A statistical analysis of the measu

A statistical analysis of the measurements, not reported
here, revealed that the distribution of the prediction error is
Gaussian with good approximation. The distribution param-
eters of the prediction error for the specific street types,
when erbf function is used, are calculated and shown in
Table 2. According to the obtained results, it can be con-
cluded that SVM model A achieves a greater accuracy of the
prediction. Although the error is somehow higher in some
specific situations, total rms error is just about 3 dB greater
than the corresponding value of the local mean uncertainty.
Having in mind very high field strength dynamics (over
80 dB), it is evident that the accuracy of the proposed model
is good.

結果 (中文) 1:

测量、 不报告的统计分析在这里，揭示了预测误差的分布是具有很好的近似高斯。分布参数-对于具体的街道类型，预测误差的控制效果当 erbf 函数使用、 都是计算和显示的表 2。根据计算结果，它可以控制因素，支持向量机模型 A 达到更高的精度预测。虽然错误是以某种方式在一些较高具体的情况，总的均方根误差是只是约 3 分贝更大比当地平均不确定性的相应值。在心里非常高场强度动力学 (超过80 分贝)，很明显，该模型的准确性是好的。

結果 (中文) 3:

测量结果的统计分析，不报
这里，发现预测误差的分布是
具有良好的近似高斯。分布参数
参数预测误差的具体街道类型时，
ERBF核函数的使用，计算并显示在
表2。根据计算结果，可以控制
表明，SVM模型实现了高精度的
预测。虽然错误是某种更高一些
具体情况，总的均方根误差大约是3分贝更大的
比当地平均不确定性的对应值。
心目中具有非常高的电场强度的变化（超过
80分贝），显而易见的是，该模型的
精度好。