Page 128 - 2025年第56卷第1期

值进行整体对比展示。

图 ３ 五折交叉验证下干密度实测值与随机森林求解结果对比

图 ４ 模型误差对比结果

对测试结果进行分析， 可以得到如下研究结论：
（１）一致性： 计算分析可得， ＡＣＧＷＯ－ＲＦ 算法与 ＢＰＮＮ 算法预测结果相差低于 １％的情况占比
７８％； 与 ＲＦ 算法预测结果相差低于 １％的情况占比 ８７．５％； 与 ＭＬＲ 预测结果相差低于 １％的情况占比
９０．４％。 同时， 由图 ４ 可知， 模型预测结果与实测值的平均值几乎一致， 并且模型预测结果的误差分

析指标也具有相似性。 综上所述可得， ＡＣＧＷＯ－ＲＦ 算法与 ＢＰＮＮ、 ＲＦ 和 ＭＬＲ 等算法具有一致性。
（２）适用性： ＡＣＧＷＯ－ＲＦ 算法的 Ｒ 最高为 ０．８３９， 呈显著相关关系； 经 Ｆ 检验， 其显著性为 ０．００
在显著性水平 ０．０１ 之下， 通过检验； ＡＣＧＷＯ－ＲＦ 算法的 ＭＳＥ（１．２４×１０ ）、 ＭＡＥ（０．００７） 以及 ＲＡＥ
－４
（２．３７×１０ ）均小于 ＢＰＮＮ 和 ＭＬＲ 算法， 故 ＡＣＧＷＯ－ＲＦ 算法的求解结果精度最优； 平均值更贴近实
－７
— １ ２ ３ —