《表5 BPNN模型及GRA-GRNN模型结果对照表》

  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GRA-GRNN模型的露天金属矿爆破后矿岩界线位移分析》

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

利用交叉验证法和循环法优化广义回归神经网络的输入样本和光滑因子，将其运用到矿体在爆破作用下的水平位移的预测当中。采用20组数据进行模型训练，8组数据进行模型精度验证，该组合模型的实验结果如图6所示。图6中蓝线表示真实值，红线表示预测值，横坐标轴为样本号，纵坐标轴为位移量或角度值。为了对该模型的效果进行验证，采用相同数据输入传统BP神经网络进行训练，得出的结果如图7所示。在条件和样本的情况下，GRA-GRNN模型和传统BP神经网络模型输出结果的误差和拟合优度如表5所示。