《表2 向家坝站和宜昌站检验期预报结果误差统计》

  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

《长江上游径流混沌动力特性及其集成预测研究》

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

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。