《表4 BP神经网络、PSO-BP神经网络模型预测结果误差分析》
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》
注:样本方差计算公式为V(X)=E{[X-E(X)]2}
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。
图表编号 | XD00132941200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.28 |
作者 | 卜斤革、陈建宏 |
绘制单位 | 中南大学资源与安全工程学院、中南大学资源与安全工程学院 |
更多格式 | 高清、无水印(增值服务) |