《表6 网络预测结果分析：道路工程SOM-RBF神经网络估价模型研究》
提示：宽带有限、当前游客访问压缩模式
对预测值进行分析见表6。网络预测的结果和实际值之间的平均相对误差（±4%）符合投资估算精度要求（±5%）。
| 图表编号 | XD00124298500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.15 |
| 作者 | 段晓晨、徐佳 |
| 绘制单位 | 石家庄铁道大学经济管理学院、山西财贸职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型预测结果：基于回声状态网络的干旱预测方法研究》2020.09.30
- 《表1 模型对比：一种基于深度卷积神经网络的道路损伤检测研究》2021.02.01
- 《表6 神经网络模型预测结果》2020.12.25
- 《表1 实验结果对比：RBF神经网络的境外旅游人数预测模型研究》2020.12.28
- 《表1 模型参数分析：基于LSTM网络的车辆轨迹预测研究》2020.11.30
- 《表6 3种传递函数人工神经网络模型预测结果》2020.04.01
- 《表6 工程验证样本数据：基于人工神经网络的顺层偏压隧道变形预测》2020.06.20
- 《表6 线性模型值：城市盾构隧道施工地表沉降BP神经网络预测应用研究》2020.08.20
- 《表6 LSTM和贝叶斯网络模型的预测结果》2020.08.20
- 《表6 不同试验下PSO-BP神经网络模型预测结果(1)》2020.02.01
- 《表1 模型各参数情况：城市道路改建工程交通噪声预测与分析研究》2019.12.25
- 《表6 成分得分系数矩阵：基于PCA-RBF神经网络的中药片剂物料属性-抗张强度预测模型的研究》2019.12.15
- 《表5 网络聚类结果：道路工程SOM-RBF神经网络估价模型研究》2020.01.15
- 《表1 样本数据（部分）：基于BP神经网络的城市道路交叉口事故预测研究》2019.10.01
- 《表3 组合模型预测结果：基于BP-RBF神经网络的组合模型预测港口物流需求研究》2019.09.10
- 《表6 不同模型预测结果：基于量纲分析的优化神经网络模型预测GAGD非混相开发油藏采收率》2019.09.01
- 《表1 部分实测数据：基于SOM-RBF神经网络的COD软测量方法》2019.09.01
- 《表3 模型预测结果：基于SPSS与BP神经网络的南宁市房价预测对比研究》2019.08.28
- 《表6 预测结果对比：遗传-神经网络方法在炸药性能预测中的应用研究》2019.07.25
- 《表6 BP神经网络模型预测结果》2019.07.01