《表2 ELM、BP与SVR的预测结果》
提示：宽带有限、当前游客访问压缩模式
由图5可知，ELM的预测值与实测值相符最好，预测残差最小且大都小于2 mm，最大也不超过2.5 mm。这表明基于ELM的变形预报模型拥有较高的预测精度。
| 图表编号 | XD008184100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.09.30 |
| 作者 | 杨细源、黄声享、庞辉 |
| 绘制单位 | 武汉大学测绘学院、武汉大学测绘学院、地球空间信息技术协同创新中心、国网河北省电力有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 基于MLP、ELM、BP的分类结果》2021.01.05
- 《表7 主观评价试验结果与GA-SVR模型预测结果》2020.06.18
- 《表2 测试样本预测结果：基于SVR的长江经济带水环境承载力评价》2020.02.20
- 《表2 改进的ELM网络算法预测结果》2020.05.01
- 《表2 其他地区SVR-BP算法预测结果》2020.03.20
- 《表1 样本数据示例：基于SVR-BP算法的江苏省空气质量指数预测》2020.03.20
- 《表2 功率预测评定结果：基于BP神经网络与非参数核密度估计的短期风电功率概率区间预测》2020.08.01
- 《表5 BP网络识别结果：PCA与ELM模型相结合的矿井突水水源快速识别方法研究》2020.01.20
- 《表2 ANFIS和SVR模型预测结果》2019.09.01
- 《表2 基于ELM、SVM、BP的分类结果》2019.08.18
- 《表1 LS-SVR和SVR的预测结果比较》2019.04.20
- 《表1 BP、ELM性能比较》2019.09.01
- 《表2 BP神经网络、ELM和DE-ELM的对比》2019.07.25
- 《表5 SVR预测值与价差原值的对比分析》2019.07.10
- 《表2 ELM模型和SAE-ELM模型苹果硬度的计算和预测结果》2019.06.10
- 《表2 IGSA-BP与GSA-BP及PSO-BP模型预测结果对比》2019.05.01
- 《表2 参数寻优结果：基于Allan方差和SVR的MEMS陀螺仪随机误差分析与预测》2019.05.25
- 《表2 PSO-SVR与PSO-SVR-EMD预测误差对比》2019.01.01
- 《表2 预测结果比较：基于改进QPSO-SVR的航空发动机排气温度预测》2019.04.01
- 《表1 ELM、BP与SVR的训练结果》2018.09.30