《表3 不同天气类型下,利用4种预测模型得到的MAPE和RMSE》

  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PCA-GA-ELM的光伏发电功率预测研究》

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

不同天气类型下，利用4种预测模型得到的MAPE和RMSE见表3。由表3可知:晴天类型下，ELM预测模型的预测精度高于BP神经网络预测模型；GA-ELM预测模型的预测精度较高，但根据整个模拟过程可知，获得GA-ELM预测模型的初始权值与阈值需要一定的时间，导致该预测模型的计算效率较低；对于PCA-GA-ELM预测模型，采用PCA对该预测模型输入进行降维后，大大缩短了训练时间，提高了训练效率，同时提高了预测精度。另外，在其他3种天气类型下，PCA-GA-ELM预测模型的MAPE和RMSE均优于其他3种预测模型。雨天类型下，PCA-GA-ELM预测模型的MAPE较大，为14.02%，预测精度仍在合理的范围内。因此，PCA-GA-ELM预测模型具有较高的预测精度和较好的泛化能力。