Page 270 - 《高原气象》2025年第3期

高 原 气 象 44 卷
828

图6 供热负荷预测中使用不同数据集训练模型的平均绝对误差MAE箱线图
Fig. 6 The box plot of mean absolute error MAE for the training of the heating load models using different datasets

图7 供热负荷预测中使用不同数据集训练模型的对称平均绝对百分比误差SMAPE箱线图
Fig. 7 The box plot of symmetric mean absolute percentage error SMAPE for the training of
the heating load models using different datasets
比较不同隐含层数的模型结果可以得出， 具有 降。综上所述， 本文选择了 4 层隐含层的 NAXR 神
4 层隐含层的模型误差评价指标略小于具有 8 层隐 经网络。
含层的模型。这可能是因为当隐含层增至 8 层时， 3. 4 不同气象要素数据集的供热负荷预测模型对比
NAXR 神经网络存在过拟合的风险（表现为在训练 为了研究在 NARX 神经网络模型中引入不同
集上优于测试集）。同时， 随着隐含层数的增加， 气象要素的影响， 给出数据集 A-H对应的 NARX神
模型的训练时间会显著延长， 导致模型稳定性下 经网络模型预测结果与真实值的对比图（图 8， 仅选