《表2 ELM-LEA与LEA精度 (sMAPE) 对比》

  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ELM改进层集成架构的时间序列预测》

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

根据表2可以清楚地看到，在对NN3数据50条短序列进行预测时，本文提出的ELM-LEA的sMAPE的均值为13.886，略逊于LEA的13.599，但相差不大；而在61条长序列的预测上，较LEA有明显的提升:ELM-LEA的平均sMAPE为13.588，而LEA为15.357；就整体111个序列而言，ELM-LEA（13.722）略优于LEA（14.565）。这是由于ELM在小数据量的情况下较基于梯度学习的MLP有更好的泛化性能[15]，本文将ELM用作基学习器，同时结合LEA在一定程度上缓解了构建集成网络时基学习器的准确性和多样性之间的矛盾的优势，自然地提高了模型的预测精度。