麻雀算法(SSA)优化极限梯度提升树XGBoost回归预测,SSA-XGBoost回归预测模型,多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于卷积神经网络-双向长短期记忆网络(CNN-BILSTM)数据回归预测，多变量回归预测模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于鲸鱼算法(WOA)优化高斯过程回归(WOA-GPR)的数据回归预测，matlab代码，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测，matlab代码，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

EEMD分解 分析imf方差比，平均周期和Pearson相关系数 根据重构算法将分解得出的IMF进行高低频的区分 计算高低频分量和趋势项与原价格序列的相关系数与方差比

医学图像融合后的评价指标：交叉熵；应该使用标准图像&融合后图像，使用方法cross_entro=num2str(cross_entropy(data.M1,data.M2));

城市韧性评价指标体系探讨——以北京市为例.pdf

基于深度学习的深度估计或vo中性能评估指标，rel、rmse、log10等

动态光散射反演算法参数的微小变化会导致解的巨大偏差，因此需建立反演算法的评价指标，据此对反演结果进行评价，以提高测量的精度。从相关函数的拟合精度、粒度分布的稳定性、测量结果的重复性等三个方面对反演算法进行了分析，进而建立起了反演算法的三个评价指标。评价指标一：相关函数拟合的均方根（RMS）误差小于 0.001，误差的品质因子Q>0.7；评价指标二：粒度分布范数的相对标准偏差RN<5%；评价指标三：测量结果的相对标准差（RSD）小于 2%。实验结果表明：当反演算法满足三个评价指标时，其稳定性好，重复精度高，可以获得最接近实际的测量结果。

针对多能源电力系统中新能源电源容量配置问题，考虑到风光资源的不确定性，提出一种基于Wasserstein生成对抗网络(WGAN)的风光资源场景模拟和改进时序生产模拟的新能源电源容量配置模型。采用WGAN模拟大量风光资源场景，用K-medoids聚类削减得到若干典型场景，并提出综合评价指标对典型场景进行评估分析；综合考虑多能源电力系统的运行特性，基于改进时序生产模拟的线性规划模型，构建以经济性最优为目标的新能源规划模型。某地区实际电网算例仿真结果验证了所提模型的有效性以及对提高新能源消纳的显著效果，给出了新能源电源容量配置方案。