《表4 PCA-LMBP神经网络模型预测结果及活性导出结果》

  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PCA-LMBP神经网络模型的SCR脱硝催化剂工艺特性预测》

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

为了检验PCA-LMBP神经网络模型的推广泛化能力，或对同类型样本集B的预测能力，把前面随机划分的样本集B的10个样本输入PCA-LMBP神经网络，同时采用式（2）对催化剂的活性指标进行计算，得出模型预测结果及活性导出结果见表4。表4中，η1为实测脱硝效率，η2为预测脱硝效率，C1为（η1?η2）/η1×100%的绝对值，K1为实测活性，K2为预测活性，C2为（K1?K2）/K1×100%的绝对值。由表4可以看出，对样本集B的预测，脱硝效率实测值与预测值的最大相对偏差绝对值小于0.4%，实测导出活性与预测导出活性的最大相对偏差绝对值小于0.8%，表明建立的PCA-LMBP神经网络模型对样本集B的预测适用性较好。