《表8 PCA-RBF模型抗张强度及硬度预测值与实际值对比》

  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-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》

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

将测试样本数据输入上述构建的PCA-RBF网络模型中进行验证，得出的抗张强度及硬度预测值与实际值的对比见表8，真实数据曲线与预测数据曲线的对比见图3。片剂的硬度是评价其成型性较直观的指标，从表8和图3可以看出，构建的PCA-RBF神经网络预测模型对片剂抗张强度和硬度预测的差值最大分别为0.002 9 MPa和0.03 kg，最小分别为-0.028 7 MPa和-0.27 kg，最小相对误差为0.25%，最大相对误差为2.21%，平均误差约为1.35%，即平均预测精度可达98%以上，表现出较好的网络预测能力，说明构建的PCA-RBF神经网络预测模型能够准确地对片剂的成型性进行预测。