《表2 预测值与实际值对比分析》
注:绝对误差Δ=|实际值-预测值|,相对误差δ=|实际值-预测值|×100/实际值
模糊神经网络的优势在于将传统神经网络结构中的各参数(权值、节点、向量)进行了模糊化处理,使其具有了模糊推理含义,能够根据模糊规则处理模糊性问题。若根据系统的模糊性知识确定网络输入层的初始值,必然能够保证网络训练次数大大降低,达到快速收敛的效果。采用模糊神经网络预测的网络模型收敛曲线,如图4所示。训练结果显示进化次数达到80已经开始收敛,收敛速度较快;目标误差精确至10-3,训练精度较高。利用模糊神经网络模型预测矿浆浮选速率,预测结果与实际数据的对比,如表2所示。由分析预测结果可知,采用模糊神经网络预测各指标组合下的矿浆浮选速率与实际值较为接近,相对误差均在5%以内,其中,误差绝对值在(0.0111~0.0222)范围内。因此,可认为该模糊神经网络准确性和精度较高、稳定性好,能够达到预期的效果。
图表编号 | XD00133985400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.08 |
作者 | 罗旋、孟海星、张凯、王琳 |
绘制单位 | 沈阳工程学院机械学院、沈阳工程学院机械学院、沈阳工程学院机械学院、沈阳工程学院机械学院 |
更多格式 | 高清、无水印(增值服务) |