《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》

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

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