《表1 实测值与预测值t配对检验结果 (训练组) Tab.1 Results of t Paired test with measured values and predicted values (t

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《蓄水坑灌条件下苹果树蒸腾速率预测模型对比研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文主要通过预测值和实测值间的线性一致性和统计学指标（MAPE和RMSE）对模型训练效果进行分析评价。图1为三种神经网络模型（GA-BP-WSPIT、LM-BP-WSPIT和AM-BP-WSPIT）的预测值和实测值间的线性关系。由图1可知，GA-BP-WSPIT、LM-BP-WSPIT和AM-BP-WSPIT模型预测值与实测值间所构成的线性方程的斜率分别为1.004、1.003和1.013，决定系数分别为0.998、0.991和0.982。由此可以说明，GA-BP-WSPIT、LM-BP-WSPIT和AM-BP-WSPIT模型预测值与实测值间均具有较好的一致性，它们的一致性优劣程度表现为:GA-BP-WSPIT模型>LM-BP-WSPIT模型>AM-BP-WSPIT模型。为了进一步分析模型的训练效果，结合数据样本，对MAPE和RMSE两项统计学特征值进行了计算以及对样本进行了t检验分析，结果如表1所示。由表1可知，GA-BP-WSPIT模型、LM-BP-WSPIT模型和AM-BP-WSPIT模型的MAPE分别为1.94%、3.90%和5.23%，RMSE分别为0.074、0.154和0.220。由此说明，三种模型的训练效果好坏表现为:GA-BP-WSPIT模型>LM-BP-WSPIT模型>AM-BP-WSPIT模型。t检验结果表明，三种模型的预测值和实测值之间均无显著的统计学差异。综上表明，GA-BP-WSPIT模型、LM-BP-WSPIT模型和AM-BP-WSPIT模型的训练结果具有较高的精度，均可用于蓄水坑灌苹果树蒸腾速率预测，其中GA-BP-WSPIT模型的训练效果最优。