《表2 最优平滑阶数处理后数据为输入的各算法预测误差》
提示：宽带有限、当前游客访问压缩模式
由表1~4可知，无论输入的数据是否经过预处理，以BP神经网络作为预测算法，得到风功率的RMSE和MAE均为最小的，故本文选用BP神经网络进行风功率的预测。
| 图表编号 | XD0038176300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.20 |
| 作者 | 许梦田、王洪哲、赵成萍、严华 |
| 绘制单位 | 四川大学电子信息学院、国网辽宁省电力有限公司电力调度控制中心、四川大学电子信息学院、四川大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 最优滞后阶数选择：我国体育产业结构升级的就业效应——基于向量误差修正模型的实证分析》2020.10.15
- 《表2 SHAO站G01不同算法的平滑伪距残差中误差》2020.07.05
- 《表2 利用LM算法改进后的神经网络预测误差数据表》2020.05.15
- 《表1 采用小波滤波算法处理前后测试数据的信噪比(RSN,R'SN)均方根误差(RMSE)、平滑度指标(R)和信噪比变化率》2020.08.20
- 《表1 多步长预测误差：基于平滑支持向量机的海洋环境数据多步长预测》2020.06.01
- 《表2 各去噪算法处理后统计的配准误差》2020.07.25
- 《表9 不同平滑指数的预测误差值与预测误差率》2020.02.28
- 《表2 各服务器预测误差：基于指数平滑的云服务器请求量集成预测模型》2020.02.16
- 《表1 模型输入特征说明：基于不平衡数据和神经网络算法的通信光缆故障预测分析》2019.10.20
- 《表2 三种算法处理后的误差及用时对比情况》2019.10.01
- 《表2 基于最优Loess平滑改进EKF算法的B06号电池寿命预测结果》2019.08.25
- 《表2 指数平滑系数、平滑系数、预测结果及预测误差》2019.06.01
- 《表2 三种算法处理后的误差及用时对比情况》2019.08.01
- 《表3 一、二、三次指数平滑值、预测值及预测值绝对误差计算表》2019.06.25
- 《表2 3种算法处理后的误差及用时对比情况》2019.08.25
- 《表4 拉依达准则+优化一次指数平滑处理后数据为输入的各算法预测误差》2019.01.20
- 《表3 拉依达准则+最优阶数平滑处理后数据为输入的各算法预测误差》2019.01.20
- 《表1 原始数据为输入的各算法预测误差》2019.01.20
- 《表2 三次指数平滑预测值及误差》2019.02.05
- 《表4 季节指数修正后三次指数平滑预测值及误差》2019.02.05