《表3 误差对比结果：基于CNN-LSTM的QAR数据特征提取与预测》
提示：宽带有限、当前游客访问压缩模式
上述三种模型在三份测试集上的预测结果如图7（a）～（c）所示。误差指标计算如表3所示。
| 图表编号 | XD0090320600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 张鹏、杨涛、刘亚楠、樊志勇、段照斌 |
| 绘制单位 | 中国民航大学适航学院、中国民航大学电子信息与自动化学院、中国民航大学电子信息与自动化学院、中国民航大学工程技术训练中心、中国民航大学工程技术训练中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型单点误差对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》2020.10.25
- 《表1 部分参数示例：基于QAR2Vec模型的QAR数据特征提取》2021.01.01
- 《表3 各数据集预测结果：基于改进VMD的离心泵空化声发射信号特征提取》2020.12.28
- 《表3 预测结果误差对比：基于VMD和GWO-SVR的电力负荷预测方法》2020.12.01
- 《表3 三种灰度特征提取模型的对比预测结果》2020.07.01
- 《表2 3种特征提取方法在数据集D1和D2与参数α条件下预测结果的评估指标》2020.05.01
- 《表1 算法相对误差对比：基于数据驱动的船舶油耗预测模型研究》2020.02.28
- 《表3 数据多维处理LSTM模型与LSTM模型股价预测的测试误差对比》2020.08.01
- 《表8 预测结果误差对比：基于CNN-LSTM网络模型的风电功率短期预测研究》2020.08.01
- 《表9 未来数据验证结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表7 验证数据预测结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表3 航班信息表：基于QAR数据的航空器节能减排降噪分析研究》2019.09.25
- 《表1 两种预测方法比较：基于QAR数据的民用飞机故障预测及验证》2019.10.25
- 《表4 修正数据误差对比：基于二元特征的断面交通数据异常检测与修正》2019.09.30
- 《表2 数据集划分：基于CNN-LSTM的QAR数据特征提取与预测》2019.10.01
- 《表1 相关参数表：基于CNN-LSTM的QAR数据特征提取与预测》2019.10.01
- 《表2 基于非线性特征提取算法和PCA算法特征提取均方根误差Y'对比》2019.04.01
- 《表3 单因素误差结果：基于K-Adaboost数据挖掘的配电网负荷预测》2019.01.25
- 《表3 预测误差分析：基于数据残余分量与ARMA模型的光伏功率日前预测方法》2019.02.15
- 《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》2019.12.10