《表4 NARX不同参数预测结果与其他模式预测结果的相对误差绝对值均值》

  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

《NARX神经网络模型在昆明市环境空气质量预测中的应用》

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

注:“*”指按顺序排列的气象5参数:气温、湿度、风速、风向、气压。

在本文采用的特定研究数据对象条件下，更加复杂结构的LSTM网络在训练过程中过拟合，降低了网络的泛化能力，因此对于特定的样本数据，复杂网络并不一定总能占优势，结构适中的网络类型反而具有较强的泛化推广能力；2015年1月1日—2017年2月8日的城市日均气象及空气质量样本数据（共770组）并不大，对这样的小规模的特定样本数据，NARX比LSTM具有更好的泛化能力。NARX不同的网络参数、超级参数预测结果与其他模型预测误差的比较，见表3、表4。