| 模型 Model | RMSE/℃ | MAE/℃ | MAPE/% |
| GRU | 0.25 | 0.19 | 0.65 |
| RNN | 0.31 | 0.24 | 0.84 |
| 1)RMSE：均方根误差，MAE：平均绝对误差，MAPE：平均绝对百分比误差 1)RMSE：Root mean square error, MAE：Mean absolute error, MAPE：Mean absolute percent error | |||
下载:
导出CSV
温度预测试验中GRU和RNN时间序列模型的指标1)
本文全文表格
-
温度预测试验中GRU和RNN时间序列模型的指标1)
模型 Model RMSE/℃ MAE/℃ MAPE/% GRU 0.25 0.19 0.65 RNN 0.31 0.24 0.84 1)RMSE：均方根误差，MAE：平均绝对误差，MAPE：平均绝对百分比误差 1)RMSE：Root mean square error, MAE：Mean absolute error, MAPE：Mean absolute percent error -
温度预测试验中多元模型的指标1)
模型 Model RMSE/℃ MAE/℃ MAPE/% XGBoost 1.21 0.71 2.50 BPNN 0.89 0.72 2.54 LR 1.25 0.89 3.14 1)RMSE：均方根误差，MAE：平均绝对误差，MAPE：平均绝对百分比误差 1)RMSE：Root mean square error, MAE：Mean absolute error, MAPE：Mean absolute percent error -
温度预测试验中变量缺失的XGBoost和BPNN多元模型的Score值
缺失变量Missing variable Score XGBoost BPNN CO2浓度 CO2 content 0.415 0.435 O2浓度 O2 content 0.407 0.426 相对湿度 Relative humidity 0.428 0.475 节点编号 Node ID 0.433 0.481
相关文章
-
2024, 45(4): 608-617. DOI: 10.7671/j.issn.1001-411X.202310025
-
2023, 44(1): 43-56. DOI: 10.7671/j.issn.1001-411X.202209042
-
2022, 43(2): 87-95. DOI: 10.7671/j.issn.1001-411X.202106004
-
2021, 42(6): 43-51. DOI: 10.7671/j.issn.1001-411X.202107029
-
2020, 41(6): 154-160. DOI: 10.7671/j.issn.1001-411X.202006043
-
2018, 39(1): 112-119. DOI: 10.7671/j.issn.1001-411X.2018.01.018
-
2014, 35(4): 109-113. DOI: 10.7671/j.issn.1001-411X.2014.04.020
-
2014, 35(3): 58-62. DOI: 10.7671/j.issn.1001-411X.2014.03.011
-
2013, 34(4): 593-597. DOI: 10.7671/j.issn.1001-411X.2013.04.027
-
2000, (2): 1-4. DOI: 10.7671/j.issn.1001-411X.2000.02.001
