多尺度图卷积下的水漂垃圾轨迹预测模型

马龙,候永琪,吴佰靖,高丽,邓建伟,闫光辉

Water-floating garbage trajectory prediction model based on multi-scale graph convolution

Long MA,Yongqi HOU,Baijing WU,Li GAO,Jianwei DENG,Guanghui YAN

表 4 不同对比算法的MAE与RMSE对比

Tab.4 Comparison of MAE and RMSE among different comparison models

模型 轨迹3（塑料） 轨迹4（塑料） 轨迹5（编织物） 轨迹6（金属） MAE RMSE MAE RMSE MAE RMSE MAE RMSE ARIMA 0.000 907 77 0.001 044 91 0.000 826 46 0.000 997 00 0.000 620 72 0.000 733 71 0.000 497 54 0.000 479 94 LSTM 0.000 664 18 0.000 377 46 0.000 526 43 0.000 475 12 0.000 610 72 0.000 714 91 0.000 581 39 0.000 892 69 PSO-GRU 0.000 268 66 0.000 303 53 0.001 282 10 0.001 528 82 0.001 282 58 0.001 788 72 0.002 556 01 0.004 059 56 Crossformer 0.000 855 28 0.001 124 09 0.001 844 85 0.003 029 05 0.002 930 03 0.005 488 65 0.000 665 45 0.001 058 63 PatchTST 0.000 235 04 0.000 339 29 0.000 357 85 0.000 382 01 0.000 227 43 0.000 325 60 0.000 268 74 0.000 431 20 CNN-LSTM 0.000 20615 0.000 920 98 0.000 416 62 0.000 685 01 0.000 706 42 0.000 874 63 0.000 415 09 0.000 584 47 ASTGCN 0.000 285 36 0.000 304 84 0.000 406 33 0.000 628 63 0.000 502 94 0.000 529 85 0.000 270 92 0.000 346 26 DCRNN 0.000 196 31 0.000 242 67 0.000 426 84 0.000 605 68 0.000 322 17 0.000 288 78 0.000 151 10 0.000 212 69 K-GCN-LSTM 0.000 471 82 0.000 542 80 0.001 911 42 0.002 420 09 0.000 279 03 0.000 199 16 0.001 057 48 0.001 440 52 MAGC-Trajectory 0.000 135 89 0.000 161 03 0.000 285 29 0.000 331 46 0.000 241 92 0.000 251 92 0.000 097 49 0.000 131 98