《表1 评价标准:基于改进粒子群算法优化小波神经网络的短时交通流预测》
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
《基于改进粒子群算法优化小波神经网络的短时交通流预测》
将前3天收集的276个时间点交通流数据作为实验中WNN的训练数据集,第4天收集的92个时间点交通流数据作为预测数据集.在实验中,运用这三种模型对结果进行比较和分析.表1显示了三种模型预测结果的MAE、MRE、RMSE和EC.图2-7分别展示了WNN、PSO-WNN和IPSO-WNN的训练及预测结果,相对误差分别为0.845和0.425和0.321.
图表编号 | XD0051702300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.15 |
作者 | 马梅琴、李风军、赵菊萍 |
绘制单位 | 宁夏大学数学统计学院、宁夏大学数学统计学院、宁夏大学数学统计学院 |
更多格式 | 高清、无水印(增值服务) |