《表2 多种方法的平均绝对误差》

  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PCA-GRNN模型的原油管道减阻剂减阻率预测研究》

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

%

使用加剂浓度、管道直径、长度、平均输量、平均输送速度以及雷诺数六项因素作为减阻剂减阻率的影响因素，在MATLAB程序中建立GRNN模型，该模型的输入向量为7维，输出向量为1维，将135组实验数据作为训练数据，对20组数据进行预测，使用交叉验证的方式对光滑因子进行优选，优选结果为0.3。PCA-GRNN模型的预测结果如图3所示，误差如图4所示，PCA-SVM模型、Frank Vejahati所提出的方法、Karami所提出的方法、倒数方程法以及负指数方程法预测结果的平均绝对误差如表2所示。可以看出，PCA-GRNN模型的预测结果与实际减阻率十分接近，除第一组预测数据外，其他组别数据的预测结果均小于10%，第一组数据的误差小于25%，同时，该种模型的预测平均绝对误差为3.832%，远小于其他方法，证明使用人工智能程序预测减阻剂减阻率是可行的；Frank Vejahati方法所考虑的影响因素数量较少，因此，预测平均绝对误差相对较大；Karami方法充分考虑了各种影响因素，预测平均绝对误差也相对较小；相对而言，负指数方程法和倒数法的预测误差相对较大，不推荐使用这两种方法。