《表1 BP神经网络对管网漏损的预测结果》
提示：宽带有限、当前游客访问压缩模式
输入样本为每个漏损状态500组，一共有8个漏损状态，故样本集有4000组。其中10%作为网络测试样本对拟合效果进行验证，即样本集的任意400组，效果见图3和表1。
| 图表编号 | XD00117784800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 张晓云、吕谋 |
| 绘制单位 | 青岛理工大学环境与市政工程学院、青岛理工大学环境与市政工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据量估计：大型城市供水管网漏损管理系统建设实践》2020.08.10
- 《表5 厦门市2015-2017年供水管网漏损情况》2020.08.01
- 《表3 定位的漏损节点：油田注水管网漏损判断及漏损定位研究》2020.04.17
- 《表1 管网漏损检测方法的效果对比》2020.04.30
- 《表3 BP网络预测结果：基于GA-BP神经网络的机床主轴刚度预测研究》2020.05.10
- 《表6 管网漏损改造节能贡献率》2020.08.01
- 《表1 试验工况：供水管道漏损的声学特性管内检测研究》2019.12.31
- 《表7 BP神经网络对Hurst指数预测值》2019.12.01
- 《表1 漏损程度评定：苏南河网密集区供水管网漏损成因分析及控制决策研究》2019.11.25
- 《表1 BP模型与DE-BP神经网络模型部分预测结果对比表》2019.10.20
- 《表1 管网漏损定位结果：基于实数编码遗传算法的压力相关漏损定位模型》2019.09.01
- 《表1 管网漏损定位结果：基于实数编码遗传算法的压力相关漏损定位模型》2019.09.01
- 《表1 相关系数矩阵：主成分分析与BP神经网络对束裤压力的预测》2019.07.16
- 《表1 灰色预测与灰色BP神经网络预测结果》2019.06.20
- 《表5 BP神经网络对CPI的预测值》2019.03.01
- 《表1 BP神经网络水质预测结果》2018.06.25
- 《表1 管网分区汇总表：供水管网分区计量管理在漏损控制中的应用》2018.09.01
- 《表2 复值BP神经网络对股票价格预测》2018.06.20
- 《表1 0 BP人工神经网络模型的预测判别结果》2018.10.01
- 《表2 相关系数结果：融合遗传算法和BP神经网络对基坑地表沉降预测的应用研究》2018.10.25