《表6 不同方法的训练时间及精度对比》

  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

《基于KELM和AT的SF_6变压器故障诊断》

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

每种算法对每组数据都处理30次，求出均值和标准差。由表6可知相比其他算法，AT-KELM算法在故障数据集上具有更好的预测精度以及较短的训练时间。AT-ELM的训练时间与AT-KELM较为接近，但是预测精度较差。虽然SPO-SVM的预测精度与本文算法较为接近，但训练时间远远大于本文算法。因此，将本文算法应用于变压器故障诊断，取得了良好的试验结果，验证了本文算法的有效性。