《表5 RFR实际值与预测值的对比 (部分)》

  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

《基于机器学习的地铁列车牵引能耗预测研究》

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

利用支持向量回归预测时需要标定2个参数，即核函数g，以及惩罚参数C。核函数选择综合表现稳定的径向基（RBF）核函数用于测试集进行测试，利用决策系数R2进行评价模型的泛化精度，训练过程如图8所示。由图中可以看出，当惩罚参数C增大到20左右时，决策系数R2增大到最大值，并保持稳定，所以惩罚参数C取20，核函数参数取径向基函数（g=1）。最后，用于测试的样本实际值与预测值的比较如图9所示，部分预测值与实际值对比数据如表5所示，由图9和表5所示预测结果表明，在最优参数条件下，能耗预测的平均误差在2.1kW·h左右收敛，SVR的预测精度达到96%（平均能耗46 kW·h，1-2.1/46*100%=96%）。