《表1 各模型拟合预测误差值》
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
《基于SMPSO-SVM的土石坝运行期渗流监测模型的建立与运用》
为了对SMPSO-SVM模型的计算精度有一个直观印象,分别采用遗传回归(20个因子)、LS-SVM(20个因子)、多元线性回归(20个因子)以及逐步回归(20个因子)进行了预测分析,其训练和预测情况见图7和表1,并与前文分析得到的SMPSO-SVM分析情况作对比。从图7和表1中可以看出:各模型的拟合均方误差大小对比为:逐步回归>LS-SVM>遗传回归>多元线性回归>SMPSO-SVM;预测均方误差大小对比为:逐步回归>多元线性回归>LS-SVM>遗传回归>SMPSO-SVM。可见,在影响因子较小的情况下,SMPSO-SVM模型还能达到甚至超过其它模型的拟合预测精度,表明本文建立的渗流监测模型是一种无需选择影响因子、预测精度较高的非线性模型。
图表编号 | XD0067130300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.15 |
作者 | 安海 |
绘制单位 | 新疆伊犁河流域开发建设管理局 |
更多格式 | 高清、无水印(增值服务) |