《表4 不同时段R2最大时的因子组合Tab.4 Factor combinations when R2 is maximum at different periods》

  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

《基于灰色关联与SVM的蒸发量季节性预测》

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

为进一步对比由分季节数据与全年数据作为训练样本所得模型模拟效果，取全年模拟效果R2最大模型，将全年检验样本按季节拆分，将预测值与实测值对比评价模型模拟效果。按季节及全年所建模型得到的R2最大的因子组合预测结果见表4、图2。由表4、图2可知，以季节数据为基础的SVM预测模型精度均高于全年，除冬季外模型精度最高时以季节为训练样本所需的气象因子数量均少于全年，表明在建立蒸发量的SVM预测模型时，以季节数据所得模型效果优于全年，且因子组合对模型预测结果影响很大，并不是输入因素越多预测结果越好，在实际中应研究不同地区的最佳预测因子组合。本文所建的季节性SVM模型在春、夏、秋、冬四季R2分别为0.78、0.53、0.53、0.51，RMSE值分别为0.83、1.42、1.16、1.31，可见该模型对春季蒸发量的预测R2值最大，相关性最好，且RMSE值最小，精度最高。