《表2 粒子群随机森林与BP神经网络预测结果指标比较》

  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KPCA-粒子群随机森林算法的舆情趋势预测研究》

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

微博的点击数量是舆情趋势变化晴雨表的直接反映。从图1总体上看到，舆情热度的演变具有爆发迅速、回落缓慢的特征，大致经历萌动、加速、成熟和衰退4个阶段，基本符合网络舆情的生命周期[12]。具体来看，BP神经网络在舆情萌动阶段预测结果不精确且延迟较为严重，尤其在舆情爆发时其预测值偏离真实值较大；对于粒子群随机森林算法，不仅在相对平缓的地方预测趋势和真实情况比较相符，而且能够准确揭示出真实值在波峰较大情况下的趋势。这表明基于KPCA-粒子群随机森林算法，可以从日益增长的媒体数据中挖掘舆情传播的内在规律，准确预测舆情的发展趋势，预测结果较实际数值误差较小。粒子群随机森林算法、BP神经网络算法的预测结果R方值、RMSE值、MSE值详见表2。对表中的数据进行对比分析可知，本文算法各指标明显优于BP神经网络模型，其R方值为0.934 9，比BP神经网络模型的0.832 5高出12.30%；RMSE值与BP神经网络相比，降低了50.18%；MSE值相对于BP神经网络大大降低，结果表明本文算法具有更高的预测精度，是一种有效的舆情趋势预测方法。