《表1 k=0.02工况的不同模型预测误差》

  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

《机器学习方法在气动特性建模中的应用》

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

再用训练后的模型参数预测缩减频率k=0.02的工况。不同模型的预测结果与试验数据比较示于图7，具体的预测误差值示于表1。从图表中看出，预测结果与试验数据也符合较好。其中，由于SVM进行了交叉校验，一定程度上提升了模型的泛化能力，使得SVM的预测结果略优于Kriging模型和RBF神经网络模型。