《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》

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

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。