《表3 不同天气类型下,利用4种预测模型得到的MAPE和RMSE》
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。
图表编号 | XD0091999800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 程港、林小峰、宋绍剑、林予彰、黄清宝 |
绘制单位 | 广西大学电气工程学院、广西大学电气工程学院、广西大学电气工程学院、马萨诸塞大学洛厄尔分校电气与计算机工程学院、广西大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |