《表1 预测模型误差比较：激光质谱中基于数据挖掘的激光输出功率预测技术研究》

  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

《激光质谱中基于数据挖掘的激光输出功率预测技术研究》

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

根据激光质谱实验实际情况，在不同季节以及一天的不同时段实验结果略有不同，因此采用激光质谱系统多次实验的激光系统功率及相关历史数据进行了历史预测测试。通过选择三次试验的7个不同时间段数据，选择每个时间段为30分钟，进行预测10分钟内的数据，将预测的历史数据与真实历史数据进行比较，并计算平均误差。通过对已经建立的支持向量机预测模型、线性回归模型、M5模型和多层感知机模型分别进行多个时间段数据的训练、预测和平均误差计算，结果如表1所示。在7个时间段内，支持向量机模型和多层感知机模型给出的预测结果的平均误差都大于线性回归模型和M5模型。根据激光系统的功率数据特性，预测误差应小于1。M5模型在其中的4个时间段内的平均误差小于1，其中3个时间段的误差比较大。经过与激光系统的实际运行状态进行了分析与对比，其中3个误差比较大的时间段为系统调节或故障阶段，数据波动较大，预测偏差较大，因此M5预测模型的预测结果更接近激光系统输出功率的历史数据。