|
| Ref。 |
模型 |
预测参数 |
结果 |
|
| (26] |
岭线性回归,安、支持向量机和随机森林 |
BGL,英国石油公司 |
随机森林方法优于岭线性回归,安,和支持向量机。R2= 0.91% (SBP),R2(菲律宾)= 0.89%,R2= 0.90% (BGL) |
| (28] |
安(原始输入),安(特性),MAA,简称ANFIS(基于功能) |
SBP菲律宾 |
安(基于特征)实现最佳的性能比其他模型。SDE SBP的预测:美= 6.28,= 8.58。SDE预测类似:美= 5.73,= 7.33 |
| (29日] |
安 |
SBP菲律宾 |
实验结果证实了安的正确性与线性回归模型相比。均值±σSBP: 3.80±3.46, 2.21±2.09:类似。相对误差:SBP: 3.48±3.19。菲律宾:3.90±3.51 |
| (32] |
支持向量机与RBF和多项式的内核 |
SBP菲律宾 |
内核支持向量机(RBF)优于SVM(多项式内核)。相关系数(R)= 0.97 (SBP), 0.96(菲律宾)。RMSE = 6.94 (SBP)和5.78(菲律宾)。分散指数(SI) = 22.34 (SBP), 22.79(菲律宾) |
| (36] |
PCA-ANN、PCA-ANFIS PCA-LS-SVM |
SBP菲律宾 |
PCA-LS-SVM优于PCA-ANN PCA-ANFIS。
血压正常的主题:SBP:R2RMSE = 0.21 = 95.42%,日军= 5.88%。菲律宾:R2RMSE = 0.24 = 94.22%,日军= 4.05%。对高血压的主题:SBP:R2RMSE = 0.11 = 98.76%,日军= 0.88%。菲律宾:R2RMSE = 0.11 = 98.78%,日军= 0.84% |
| (37] |
PCA-SWR、PCA-ANN PCA-ANFIS, PCA-LS-SVM |
菲律宾 |
PCA-LS-SVM优于PCA-FSWR、PCA-ANN PCA-ANFIS。血压正常的科目:R2RMSE = 0.1243 = 98.49%,日军= 3.01%。高血压的主题:R2RMSE = 0.2013 = 95.95%,日军= 2.9% |
| (58] |
安,简称ANFIS和支持向量机 |
半干旱山区河流流 |
安相比较的结果,简称ANFIS,和支持向量机模型,发现的值R、均方根误差、平均绝对相对误差(母),和Nash-Sutcliffe (NS)的SVM模型比安和简称ANFIS的输入数据的组合 |
| (59] |
安,简称ANFIS |
预测depths-to-water表提前一个月,在三个井位于不同距离 |
两种模型可以用于高水平的精度对模型水位没有显著影响的距离从河里,模型精度表示通过RMSE是大致相同的在所有三个案例(0.14154 - -0.15248)。R变化从0.91973到0.9623,效率系数从0.84588到0.92586 (COE) |
| (60] |
安,简称ANFIS和支持向量机 |
纵向弥散系数(LDC) |
支持向量机模型被发现比(R2= 90%)在预测LDC由于低不确定性与安(R2= 82%),简称ANFIS (R2= 83%)模型,简称ANFIS模型表现得比安模型 |
| (61年] |
多层感知器(MLP)、安、模糊遗传(FG),二、多元自适应回归样条(火星),简称ANFIS,多元线性回归(高)和史蒂芬斯和斯图尔特模型(SS) |
蒸发在不同气候条件下 |
应用模型的精度等级为:延时,GRNN, LSSVM, FG, ANFIS-GP,火星,高钙 |
| 本研究 |
PCA-FSWR、PCA-ANN PCA-ANFIS, PCA-LS-SVM |
英国石油(BP)反应性夹紧双腿 |
PCA-LS-SVM优于PCA-FSWR、PCA-ANN PCA-ANFIS。血压正常的主题:SBP:R2RMSE = 0.27 = 93.16%,日军= 5.71%。对高血压的主题:SBP:R2RMSE = 0.19 = 96.46%,日军= 1.76%。菲律宾:R2RMSE = 0.21 = 95.44%,日军= 2.78% |
|
|
