《表1 不同模型的预测误差》
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
《基于改进CS算法优化Elman-IOC神经网络的短期负荷预测》
神经网络拓扑结构为7-n-1形式,隐层神经元数n为15,分别建立BPNN、ElmanNN、Elman-IOC模型对数据集进行预测,预测结果如表1所示,三种模型平均nRMSE分别为8.929、7.854、5.965、MAPE分别为2.932、2.213、1.525,可见ElmanNN与BPNN相比更适合用于时间序列预测,并且Elman-IOC模型在三种模型中预测误差最小,预测效果最佳,表明输入-输出层连接增强了网络并行信息处理能力,提高了泛化性能。图3和图4分别为BPNN、ElmanNN、Elman-IOC模型预测结果与相对误差。其中相对误差计算公式为
图表编号 | XD0050394300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.10 |
作者 | 杨芳君、王耀力、王力波、常青 |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |