预测方法对比分析
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了预测方法对比分析相关的知识,希望对你有一定的参考价值。
本章对温州浅滩灵霓海堤N5+850断面CJPB-3沉降盘监测数据的拟合/预测一共运用了3类沉降预测方法中的5种,将各类预测曲线和实测沉降曲线并行绘于图5.20中,为了使各拟合/预测曲线变化趋势更明显,作图时去掉了恒载期以前的部分实测曲线。对应的残差图如图5.21所示。
图5.20 N5+850断面各拟合/预测曲线与实测曲线对比汇总图
将各种预测方法的预测结果进行对比,如表5.1 4所示。
由图5.20、5.21和表5.14可以看出,5种沉降预测方法按预测精度由高到低的排列为:改进的BP人工神经网络模型>Pearl 曲线模型>灰色 Verhulst 模型>指数曲线法>双曲线法,其中前3 种方法的预测精度相近。5种预测方法中只有改进的 BP人工神经网络模型的预测值略小于实测沉降量,其余4 种方法的预测结果均大于实测沉降量。从误差分析、曲线收敛速率分析来看,改进的BP人工神经网络模型、双曲线法和指数曲线法较适用于短、中期预测,而 Pearl 曲线模型和灰色 Verhulst 模型则适用于短、中、长期预测,且Pearl曲线模型和灰色Verhulst模型的预测效果也相近,这与这两种预测方法均是基于S形曲线函数发展而来的有关。这正好证明了温州浅滩淤泥软土地基沉降随时间的发展趋势是呈“S”型变化的。
图5.21 N5+850断面各拟合/预测法残差对比汇总图
表5.14 各种预测方法的预测结果对比
参考技术A 回答尽管不同的预测对象、不同的预测方法可能导致不同的预测实施过程,但总体看来,预测特别是定量预测方法大致可分为以下几个步骤。1.明确预测目标。在预测工作过程中,首先要在整个决策问题研究的总目标指导下,确定预测对象及具体的要求,包括预测指标、预测期限、可能选用的预测方法以及需要的基本资料和数据。这是预测分析过程中一项极为重要的准备工作,它实际上保证预测工作有正确的科学理论和方法指导,有的放矢。2.收集、整理资料和数据。根据选用或可能选用的预测方法和预测指标,应进行两方面的工作:一是把有关历史资料、统计数据、试验数据等尽可能收集齐全,在此基础上进一步分析、整理,形成合格的数据样本;二是进行调查、访问以取得最新的数据资料,这一点对定性分析尤其重要。3.建立预测模型。根据科学理论指导以及所选择的预测方法,用各种有关变量来真实表达预测对象的关系,从而建立起预测所需的数学模型。4.模型参数估计。按照各自模型的性质和可能的样本数据,采取科学的统计方法,对模型中的参数进行估计,最终识别和确认所选用的模型形式和结构。5.模型检验。检验包括对模型的合理性及有效性验证。模型检验具体有2个方面:一是对有关假设的检验:二是模型精度即预测误差的检验。经过检验一旦发现模型不合理,就必须对模型加以修正。6.预测实施与结果分析。运用检验的预测;模型,使用有关数据,就可以进行预测,并对预测结果进一步进行有关理论、经验方面的分析。必要时还可以对不同方法模型的预测结果加以分析对比,以作出更加可信的判断,为管理决策提供科学依据。
python计算多个模型在不同数据集上的预测概率获取每个数据集上的最优模型多个最优模型的ROC曲线进行对比分析
pytyon计算多个模型在不同数据集上的预测概率、获取每个数据集上的最佳模型、多个最优模型的ROC曲线进行对比分析
目录
以上是关于预测方法对比分析的主要内容,如果未能解决你的问题,请参考以下文章
R语言决策树bagging随机森林模型在训练集以及测试集的预测结果(accurayF1偏差Deviance)对比分析计算训练集和测试集的预测结果的差值来分析模型的过拟合(overfit)情况
python计算多个模型在不同数据集上的预测概率获取每个数据集上的最优模型多个最优模型的ROC曲线进行对比分析
numpy.polyfit()方法与Stats.linregress( ) 方法最小二乘近似拟合斜率对比分析
R语言螺旋线型线性不可分数据xgboost分类:使用xgboost模型来解决螺旋数据的分类问题可视化模型预测的结果添加超平面区域渲染并与原始数据标签进行对比分析
R语言DALEX包的predict_parts函数对h2o包生成的多个算法模型的在指定单条测试样本(观察)数据下的核心预测变量(特征)进行分析可视化多个模型对于指定样本影响力最强的前N个变量对比分析