《表2 模型训练样本的平均相对误差比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进GA-BP网络算法的边坡力学参数反演分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将待反演岩体力学参数样本和有限元正分析模型计算出的变形值样本作为网络的输入学习样本对，训练改进的GA-BP神经网络算法，直至达到预设的训练次数或网络误差趋于稳定，再将测试样本输入进去，以测试网络训练的性能，当达到预定要求时，则完成网络训练，获得输出即为待反演参数与相应计算位移值间的非线性关系。GA-BP算法模型与改进的GA-BP算法模型的拟合平均相对误差值比较见表2。由表2可得，相较GA-BP网络模型，改进的GA-BP网络模型在拟合能力上有较大提高，且其网络拟合平均误差在一个较小的区间里，说明改进的GA-BP模型的训练更稳定。另外，由于改进GA-BP网络模型的程序运行时间达数个小时，本文并未做太多次运行计算，因此表2中改进GA-BP网络模型训练得出的E3和c3参数精度还有望提高。