深度学习水质预测模型评价指标

深度学习水质预测模型的评价指标可以根据具体的任务和应用场景而定，以下是一些常见的评价指标：

1. 均方根误差（RMSE）：衡量实际值与预测值的平均偏差程度，越小说明预测效果越好。

2. 平均绝对误差（MAE）：衡量实际值与预测值的平均偏差程度，越小说明预测效果越好。

3. 系统误差（Bias）：实际值与预测值的平均偏差，越接近0说明预测效果越好。

4. 决定系数（R^2）：衡量预测值与实际值之间的相关性，取值范围在0到1之间，越接近1说明预测效果越好。

5. 对称平均绝对百分比误差（SMAPE）：衡量实际值与预测值之间的相对误差，可以用于比较不同水质指标的预测效果。

6. 精度和召回率（Precision and Recall）：适用于二分类问题，精度表示预测为正样本中真实为正样本的比例，召回率表示真实为正样本中被预测为正样本的比例，两者越高说明预测效果越好。

7. F1值：综合考虑精度和召回率，取值范围在0到1之间，越接近1说明预测效果越好。