《表3 两种不同方法不同预测步长的预测输出比较》

  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

《基于无迹卡尔曼滤波的LSSVR在线多步时间序列预测》

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

为了进一步验证本文方法的优越性，下面将考虑来自田纳西过程（TEP）[16]的一组故障4的真实数据，对应的仿真平台可http://brahms.scs.uiu-c.edu/.6下载，由反应器冷却水入口温度的阶跃变化引起，包含960个测量值.使用前250个测量值作为训练数据，剩下的用作测试数据.同理，为了获取传统预测方法的最佳预测，采用十阶交叉验证建立其最优超参数.在本文方法中，Lwin和INdim分别选取为2和10.表3给出了本文方法与LSSVR方法在不同预测步长下的RMSE比较，预测步长为8和12的预测输出如图5和图6所示，进一步表明，无论是从RMSE，还是不同预测步长的预测输出结果来看，本文方法有着更好的预测性能.