《表3 平均误差对比2：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

GA-ELM在多元线性回归处理前后的预测性能，如表3所示。各指标值为各自运行50次后取平均值。通过50次测试中GA-ELM的预测误差MAPE的平均值是5.41%，根据MAPE的评估预测能力表[10]，可知模型的预测能力“极佳”。由表3可知，在50次重复测试中，多元线性回归-GA-ELM神经网络的各个预测性能指标均优于GA-ELM。对比表1，得益于ELM更强的泛化能力，GA-ELM的预测性能不论是否经过多元线性回归的处理，都优于BP神经网络。在预测性能大幅提升的情况下，在多元线性回归的处理后，GA-ELM的预测性能以MAPE计依然提升了0.39%。