《表1 不同算法求解的模型参数估值与其均方根误差》
注:算例中的正则化参数由L曲线法确定。
分别应用最小二乘算法(least squares,LS)、最小二乘正则化算法(regularizati-on least squares,R-LS) ,EIV模型参数估计整体最小二乘算法(total least squares,TLS)与正则化的参数估计算法(reg-ularization total least squares,R-TLS),改进的正则化算法(modified regularization total least squares,MR-TLS)。当模型病态时,估值的方差会被放大,本文应用参数估值的均方根误差(root mean squared error,RMSE)评定精度,不同算法求解的模型参数估值与其均方误差列于表1。
图表编号 | XD0084329600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 杜寒露、陶叶青、蔡安宁、周露 |
绘制单位 | 淮阴师范学院城市与环境学院、淮阴师范学院城市与环境学院、淮阴师范学院城市与环境学院、淮阴师范学院城市与环境学院 |
更多格式 | 高清、无水印(增值服务) |