《表2 高斯拟合误差：基于时空特征变量数据分析的共享汽车充电负荷预测方法》

  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

《基于时空特征变量数据分析的共享汽车充电负荷预测方法》

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

对工作日和休息日的首次出行时刻数据进行分析，概率密度分布如图1所示。用多维高斯分布进行数据拟合，各类拟合阶数误差如表2所示。表2中的SSE、R-square、RMSE是高斯拟合效果的评价指标，分别表示残差平方和、相关度和均方根误差。SSE和RMSE越小、R-square越大，说明拟合越准确。