《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》

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

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。