《表2 向家坝站和宜昌站检验期预报结果误差统计》
为了进一步研究AELM模型的预报能力,本文将BP,SVM,ELM,AELM 4种模型分别应用于向家坝站和宜昌站的混沌月径流时间序列。表2显示了向家坝站和宜昌站4种模型的预报结果误差统计情况。同时图5(b)和图5(c)通过对4种模型预报结果误差进行对比,得出了与攀枝花站预报结果相一致的结论:(1)与BP,SVM,ELM模型相比,AELM模型预报效果最好;(2)AELM模型的预报效果优于ELM模型,改进Ada Boost.RT算法能够减轻ELM算法的随机性对预报结果的影响,进而提高弱学习算法的泛化性能。
图表编号 | XD008675100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 周建中、彭甜 |
绘制单位 | 华中科技大学水电与数字化工程学院、华中科技大学数字流域科学与技术湖北省重点实验室、华中科技大学水电与数字化工程学院、华中科技大学数字流域科学与技术湖北省重点实验室 |
更多格式 | 高清、无水印(增值服务) |