《表7 各模型预测误差比较Tab.7 Comparison of Forecasting Error of Different Models》
dm
由表5、表6和图2验证发现,GM(1,1)模型其预测精度明显比多点灰色预测模型低很多,这主要是因为未将监测点间的变形互扰性因素应用到建模过程中去,导致其弱化了变形体内部的变形规律和变形趋势,而单纯地考虑某单一监测点的变形监测序列。相对于GM(1,1)的低预测精度,多点灰色预测模型其拟合和预测精度均有了明显的提高。由表6可知,M-GM(1,1)模型3个监测点的平均拟合精度为0.643dm,平均预测精度为2.475dm,均高于GM(1,1)的拟合和预测精度。但是M-GM(1,1)建模过程中仍受到背景值求解方法、初始条件的选择等问题限制,其预测和拟合精度相对于顾及邻近点变形因素的GP模型仍不太理想。而本文充分利用GP处理小样本非线性数据序列的优势和高适应性,考虑邻近观测点间的变形关联性,通过选择适合工程样本训练建模的最优协方差函数,将邻近监测点数据作为影响因子参与到监测点的预测建模过程中,其建模结果如表5所示。其建模平均拟合精度仅为0.050dm,而平均预测精度为0.060dm。为更清楚地验证3种模型各个监测点的预测精度,对预测年份2012和2013的数据做了评价分析,具体见表7。
图表编号 | XD007910900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.20 |
作者 | 周昀琦、王奉伟、周世健、罗亦泳、周清 |
绘制单位 | Environmental and Geomatics Engineering Department,University College London、同济大学测绘与地理信息学院、南昌航空大学、东华理工大学测绘工程学院、东华理工大学测绘工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表7 各模型预测误差比较Tab.7 Comparison of Forecasting Error of Different Models”的人还看了
- 表7 各神经网络预报结果的误差及误差波动Tab.7 The error and error fluctuation of prediction results of each neural network