《表2 GA-ANN和ANN预测模型误差指标》

  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

《遗传算法优化神经网络的热轧带钢弯辊力预报模型》

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

图6是GA-ANN模型和ANN模型在训练集和测试集上弯辊力的预测效果图，从图中可以看出，实际值与预测值契合度较好，神经网络模型实现了热轧弯辊力的成功预测.为了更加全面准确地评价GA-ANN模型的整体性能，以相关系数R，平均绝对误差MAE，平均绝对百分误差MAPE，均方根误差RMSE作为模型评价的性能指标，计算结果如表2所示.图7是GA-ANN模型与ANN模型上MAE，MAPE，RMSE三项误差对比图.图中清晰表明无论在训练集还是测试集上，本文提出的GA-ANN模型的各项误差指标都明显小于未经遗传算法优化的ANN模型，再次证明GA-ANN模型能够更加准确地实现热轧过程弯辊力的预报，且模型的泛化能力高，具有结构简单、易于推广的优点，为热轧过程弯辊力的设定与优化研究提供了新的思路与方法.