《表4 参数指标：基于PCA和BRNN的土地负荷类型预测》
提示：宽带有限、当前游客访问压缩模式
根据成分系数表重新分配参数，所得新的参数指标如表4所示。
| 图表编号 | XD00750000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.15 |
| 作者 | 陆旦宏、王鑫、吴雅玲、蒋春容 |
| 绘制单位 | 南京工程学院、南京工程学院、南京工程学院、南京工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 基于不同空间尺度的2015年水质指标与土地利用类型的相关性》2020.09.20
- 《表2 药物咨询类型分布：基于PCA-PSO-ELM的瓦斯涌出量预测》2020.12.20
- 《表4 预测结果分析：基于极限学习机与负荷密度指标法的空间负荷预测》2021.01.28
- 《表4 模型评价指标：基于深度学习的综合能源配电系统负荷分析预测》2021.01.31
- 《表1 优化模型参数：基于多源数据和模型融合的超短期母线负荷预测方法》2021.01.05
- 《表1 厦门两栖类名录：基于PCA-DBILSTM的多因素短期负荷预测模型》2020.12.01
- 《表4 基于土地暴露类型的人群情景暴露量预测》2020.05.01
- 《表5 电动汽车型号参数：基于实时出行需求和交通路况的电动汽车充电负荷预测》2020.08.01
- 《表4 产能划分类型：基于PCA-NB方法的煤层气井压后产量预测研究》2019.12.25
- 《表4 PCA分析结果：基于PCA-BP原理的混凝土碳化深度预测》2019.12.31
- 《表4 预测结果对比：基于PCA-BP神经网络的概率积分法参数算法研究》2019.12.01
- 《表逐天预测性能指标对比：基于气象综合指数和加权LSSVM的短期电力负荷组合预测》2019.10.15
- 《表1 参数代码和水平：基于进化神经网络的短期电力负荷预测研究》2019.06.10
- 《表2 RF的主要参数：基于地铁历史数据的PCA-RF分时段客流预测方法》2019.10.30
- 《表3 成分系数：基于PCA和BRNN的土地负荷类型预测》2019.11.15
- 《表5 实际土地负荷：基于PCA和BRNN的土地负荷类型预测》2019.11.15
- 《表9 预测结果四：基于PCA和BRNN的土地负荷类型预测》2019.11.15
- 《表8 预测结果三：基于PCA和BRNN的土地负荷类型预测》2019.11.15
- 《表7 预测结果二：基于PCA和BRNN的土地负荷类型预测》2019.11.15
- 《表6 预测结果一：基于PCA和BRNN的土地负荷类型预测》2019.11.15