12、软件成本估算与光伏七电平逆变器建模

软件成本估算与光伏七电平逆变器建模

软件成本估算的SNN模型优势

在软件成本估算领域，研究人员致力于找到一种能在软件生命周期早期准确预测成本的有效方法。本次研究采用统计指标均方根误差（RMSE）和平均绝对相对误差（MMRE），基于IBM、ISGSB和CHINA三个估算基准数据集，对提出的技术进行性能评估，并将尖峰神经网络（SNN）与其他混合技术进行了对比。

从实验数据来看，在IBMDSP数据集中，当潜在泄漏率修改为0.001时，对于不同的K参数（如6、4、2），其余参数保持一致的情况下，RMSE均为0.01，而MMRE分别为0.18、0.08和0.25 。具体数据如下表所示：
| 采用方法 | K | 潜在泄漏率 | 尖峰阈值 | RMSE | MMRE |
| — | — | — | — | — | — |
| SNN | 6 | 0.001 | 0.5 | 0.01 | 0.18 |
| SNN | 4 | 0.001 | 0.5 | 0.01 | 0.08 |
| SNN | 2 | 0.001 | 0.5 | 0.01 | 0.25 |

在ISBSG数据集的RMSE对比中，SNN的RMSE值为0.01000，明显优于RGP（0.03275）、GP - RGP（0.03345）、GP - GP（0.04676）、GMDH - GP（0.03098）和GP - GMDH（0.04833）等方法。具体数据如下表：
| 序号 | 采用方法 | RMSE值 |
| — | — | — |
| 1 | SNN | 0.01000 |
| 2 | RGP | 0.03275 |
| 3