《表3 BP神经网络和PSO-BP神经网络模型预测结果统计》

  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

《基于粒子群算法优化BP神经网络的溶浸开采浸出率预测》

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

注：相对误差=（预测值-实际值）/实际值

为了更直观地比较精度，表3和表4列出了具体的数据统计结果误差分析。表3列出了BP神经网络和PSO-BP神经网络模型所得结果与实际值的相对误差，可以看出除了第8组数据相同之外，其余7组数据中利用粒子群优化的BP神经网络模型输出的浸出率预测值与实际值的相对误差，均小于BP神经网络模型对应的相对误差。表4列出了2种神经网络模型对应结果的最大相对误差、最小相对误差、平均相对误差和样本方差。样本方差能够反映数据的波动，其值越小表示波动越小，精度越高。由表4可知，BP神经网络模型与粒子群优化的神经网络模型对应的样本方差分别为0.9675和0.1985，可见粒子群优化的神经网络模型对浸出率的预测精度更高。