《表3 实验结果统计信息》

  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

《基于集合经验模态分解和BP神经网络的北京市PM_(2.5)预报研究》

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

从表3还可以看出，在两组模型的实验中，同时使用气象条件和前期PM2.5浓度值作为输入变量的预报效果均较好（实验3和6），单独使用其中一类要素作为输入变量则得到相反的结果（实验1和2对比实验4和5），说明输入条件对模型的效果有较大的影响，且不同模型对输入变量的需求也不一样。实验2出现较大误差的主要原因是产生明显的相位差（图8 （a）） ，将预报结果前移一天，则可以明显地看到相位对应很好，并且结果有所提升（图8 （b）） 。说明在单一模型中，相同的输入和输出变量会造成预测结果与实际值之间产生相位差，而这种情况不会在混合模型中出现。