《表1 方案一残差结果统计表》

  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

《基于遗传算法优化小波神经网络预测GPS可降水量》

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

由表1，就BP神经网络与WNN模型比较可知，WNN在RMS上有0.27 mm的改善，平均误差降低了0.30 mm，可见在预测的精度和拟合程度上WNN要优于BP神经网络；但是这种优势并不明显，WNN最大绝对误差为1.89 mm，最大相对误差为3.96%，均高于BP神经网络，因此WNN虽然在模型的整体精度上有一定的提高，但是预测的稳定性却不如BP神经网络。理论上，训练好的WNN可预测复杂的时间序列问题，但是WNN模型是结合了小波分析通过调节尺度参数放大局部信号，如果在参数的选择上不够合理，训练好的WNN仍然不能很好地对非线性系统的GPS可降水量进行预报。而本文提出的GWNN模型在GPS可降水量预测的精度与稳定性均优于其他两种模型，最大绝对误差为0.82 mm，RMS为0.29 mm。