《表3 残差修正前后预测误差分析》
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
《基于非等时距灰色理论与BP神经网络的钢轨波磨预测》
通过Matlab的BP神经网络工具箱编程,采用一个隐含层,隐含层节点数为12,并且隐含层采用Sigmoid函数作为传递函数。其训练方法采用收敛速度最快、均方差也较小的LM(LevevbergMarquardt)算法。预测类型为单步预测,即进行预测时,把残差序列(w(0)(ti),w(0)(ti+1),w(0)(ti+2),w(0)(ti+3))这4个数据网络输入,输出则是下一时刻的预测值预测时,则把作为输入数据。使用原始13个波深残差数据,构建了9组数据样本,其中前5组作为训练数据,后4组用于预测数据,即组合模型预测最后4个波深值(数据样本序号为10~13号)。采用BP神经网络对残差修正预测与仅使用单纯非等时距GM(1,1)的对比预测效果如图4所示,残差修正前后预测误差分析结果见表3。
图表编号 | XD00149953100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 陈鑫、尧辉明 |
绘制单位 | 上海工程技术大学城市轨道交通学院、上海工程技术大学城市轨道交通学院 |
更多格式 | 高清、无水印(增值服务) |