《表1 平均误差对比：优化神经网络用电量预测性能的多元线性回归方法》

  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

《优化神经网络用电量预测性能的多元线性回归方法》

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

BP神经网络在多元线性回归处理前后的预测性能，如表1所示。各指标值为各自运行50次后取平均值。由表1可知，在50次重复测试中，多元线性回归-BP神经网络的各个预测性能指标均优于其他预测方法。在多元线性回归的处理后，BP神经网络的预测性能以MAPE计提升了9.76%。50次测试中本模型的预测误差MAPE的平均值是8.68%，根据MAPE的评估预测能力表[10]，可知模型的预测能力“极佳”，作为对比的其他方法均不属于极佳，多元线性回归-BP神经网络表现了更优的预测性能。此外，从图3到图6的实际值数据可以看到，第220到250个样本点的用电量数据为异常点，呈现为直线，若数据采集中能更好地避免异常值，各方法的预测性能指标将有进一步提升。