《表1 五种模型预测指标对比》
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
《ACPSO-WFLN算法在短期风电功率预测中的应用》
WFLN可大致追踪风电功率的变化规律,但对部分点的的拟合上效果不佳,考虑到网络训练过程中容易陷入局部极值问题,所以对网络初始参数进行优化,构建PSO-WFLN,ACPSO-WFLN预测模型。从图4分析得知,ACPSO-WFLN预测模型在各个预测点的预测值与实际值更为接近。为进一步说明ACPSO-WFLN模型的性能特点,分别给出以上五种预测模型隐含层最佳神经元数目、MAPE、RMSE评价数据、迭代步数对比指标,如表1所示。
图表编号 | XD0055188900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.10 |
作者 | 杨春霞、王耀力 |
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 |
更多格式 | 高清、无水印(增值服务) |