《表3 爆破效果预测：基于支持向量机的露天矿爆破效果预测方法研究》
提示：宽带有限、当前游客访问压缩模式
将训练好的BP神经网络模型与支持向量机网络模型对测试集样本数据进行预测，并于实际情况做对比。比较结果见表3。
| 图表编号 | XD00204985400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.15 |
| 作者 | 张耿城、廖耀福、王建文 |
| 绘制单位 | 鞍钢矿业爆破有限公司、鞍钢矿业爆破有限公司、鞍钢矿业爆破有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型总体精度对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》2020.10.25
- 《表3 模型单点误差对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》2020.10.25
- 《表1 统计特征对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》2020.10.25
- 《表3 测试样本预测误差：基于支持向量机的高强钢薄板对接焊残余应力分布预测方法研究》2020.10.01
- 《表2 预测模型最优参数：基于支持向量机的高强钢薄板对接焊残余应力分布预测方法研究》2020.10.01
- 《表2 样本数据表：基于支持向量机的露天矿爆破效果预测方法研究》2021.02.15
- 《表1 核函数类型：基于支持向量机的露天矿爆破效果预测方法研究》2021.02.15
- 《表3 预测结果：基于非线性支持向量机的隧道煤与瓦斯突出危险性预测》2020.04.01
- 《表2 预测结果：基于近似支持向量机的裂缝分类方法》2020.04.01
- 《表2 爆破效果预测：基于RBF神经网络的露天矿爆破效果预测研究》2020.01.15
- 《表1 样本数据表：基于RBF神经网络的露天矿爆破效果预测研究》2020.01.15
- 《表3 预测结果对照：基于支持向量机的有机成膜涂层混凝土碳化深度预测模型》2020.01.25
- 《表3 预测误差表：基于最小二乘支持向量机的时变信道建模》2019.10.01
- 《表3 模型预测准确度：基于支持向量机的聚丙烯针刺非织造布孔径及其分布预测》2019.06.08
- 《表3 预测样本参数：基于网格搜索支持向量机的边坡稳定性系数预测》2019.05.20
- 《表1 母线负荷分类：基于信息粒化和支持向量机的母线等效负荷波动预测方法》2019.04.01
- 《表4 误差检验：基于信息粒化和支持向量机的母线等效负荷波动预测方法》2019.04.01
- 《表3 巷道爆破参数表：基于GA-SVM的煤矿岩巷爆破效果智能预测》2019.05.20
- 《表3 收敛位移预测结果：基于支持向量机的公路隧道围岩变形预测》2019.12.20
- 《表3 主成分特征向量：基于主成分分析和支持向量机的影视业盈利能力预测》2019.12.01