《表2 ELM-LEA与LEA精度 (sMAPE) 对比》
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。
图表编号 | XD0074402100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 樊树铭、覃锡忠、贾振红、牛红梅、王哲辉 |
绘制单位 | 新疆大学信息科学与工程学院、新疆大学信息科学与工程学院、新疆大学信息科学与工程学院、中国移动通信集团新疆有限公司、中国移动通信集团新疆有限公司 |
更多格式 | 高清、无水印(增值服务) |