《表2 玉米误差率对比：基于改进神经网络的农作物产量预测方法》
提示：宽带有限、当前游客访问压缩模式
（%）
小麦误差率实验结果如表1所示。玉米误差率实验结果如表2所示。
| 图表编号 | XD0086308800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.06 |
| 作者 | 刘鹏、郑勇、杨红军 |
| 绘制单位 | 山东麦港数据系统有限公司、山东省农业信息中心、济南市农业信息中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 扰动后预测误差：基于神经网络和改进相似日的光伏电站功率预测》2020.10.25
- 《表2 月预测误差：基于神经网络和改进相似日的光伏电站功率预测》2020.10.25
- 《表2 模型预测误差：基于深度置信网络的互联网流量预测方法》2020.10.15
- 《表2 改进激活函数与传统激活函数神经网络压力预测误差对比》2021.03.10
- 《表5 模型预测性能对比：基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法》2021.02.28
- 《表4 训练误差性能对比：基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法》2021.02.28
- 《表2 部分测试数据：基于改进神经网络的一种新型MPPT预测方法》2021.01.15
- 《表1 部分样本数据：基于改进神经网络的一种新型MPPT预测方法》2021.01.15
- 《表2 网络的迭代数对比：应用改进神经网络的人工养殖鮰鱼产量预测》2020.11.25
- 《表2 误差对比结果：基于改进相空间重构的压缩机运行状态预测》2020.05.20
- 《表5 修正前后误差对比：基于模糊聚类分类与Elman神经网络算法的居民用户短期用电量预测及修正方法》2020.03.10
- 《表1 各区域施肥量：基于多光谱成像和卷积神经网络的玉米作物营养状况识别方法研究》2020.03.31
- 《表1 误差对比：基于MEEMD加窗改进方法与GRNN组合的电力负荷预测》2019.12.15
- 《表1 小麦误差率对比：基于改进神经网络的农作物产量预测方法》2019.10.06
- 《表3 R2对比：基于改进神经网络的农作物产量预测方法》2019.10.06
- 《表2 预测单元数据：基于改进神经网络的光伏发电功率短期预测方法研究》2019.08.20
- 《表3 平均误差对比2：优化神经网络用电量预测性能的多元线性回归方法》2019.06.08
- 《表2 性能对比：基于改进LSTM网络的犯罪态势预测方法》2019.08.10
- 《表A2预测误差对比：基于门控循环单元网络与模型融合的负荷聚合体预测方法》2019.01.10
- 《表1 基于牛顿迭代法改进BP网络模型对输出预测误差分析表》2019.12.08