《表2 不同反演方法和模式下均方误差对比Table 2 Comparison of mean square errors of various inversion methods and modes》

《表2 不同反演方法和模式下均方误差对比Table 2 Comparison of mean square errors of various inversion methods and modes》   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
《基于遗传神经网络的大地电磁反演》


  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5和图6分别为高阻异常模型的反演结果和视电阻率对比；图7和图8分别为地堑模型的反演结果和视电阻率对比.图5和图7显示在不同反演模式下，GA-BP反演比BP反演结果的异常区域边界更为清晰；TE、TM及TE&TM联合模式均得到了良好的反演效果，相比于单一模式反演，TE&TM联合反演所得均方误差值有所减小，反演所得电阻率值更接近真实模型.由图6和图8可见模型理论视电阻率与GA-BP反演拟合视电阻率也基本一致.具体的反演均方误差对比见表2.

图表编号XD0015908300    严禁用于非法目的
绘制时间2018.04.01
作者王鹤、刘梦琳、席振铢、彭星亮、何航
绘制单位中南大学地球科学与信息物理学院、中南大学有色金属成矿预测与地质环境监测教育部重点实验室、中南大学地球科学与信息物理学院、中南大学有色金属成矿预测与地质环境监测教育部重点实验室、中南大学地球科学与信息物理学院、中南大学有色金属成矿预测与地质环境监测教育部重点实验室、中南大学地球科学与信息物理学院、中南大学有色金属成矿预测与地质环境监测教育部重点实验室、中南大学地球科学与信息物理学院、中南大学有色金属成矿预测与地质环境监测教育部重点实验室
更多格式高清、无水印（增值服务）

相关图表

  1. 《表1 各模型拟合最大铣削力的广义均方交叉验证误差Tab.1 Generalized mean square cross-validation error of maximum milling force using various surr》2019.02.25
  2. 《表2 各模型拟合表面粗糙度的广义均方交叉验证误差Tab.2 Generalized mean square cross-validation error of surface roughness using various surrogat》2019.02.25
  3. 《表4 不同反射强度比的背景方差和均方相对误差Tab.4 Background variance and relative mean square error with different ratios of reflection inten》2019.01.25
  4. 《表2 目标含椒盐噪声的背景方差和均方相对误差Tab.2 Background variance and relative mean square error of target with salt&pepper noise》2019.01.25
  5. 《表1 目标含高斯噪声的背景方差和均方相对误差Tab.1 Background variance and relative mean square error of target with Gaussian noise》2019.01.25
  6. 《表8 批梯度下降训练函数 (Traingd) 与回归模型的均方误差对比Table 8 Comparison of the mean square error between the gradient descent training fun》2018.02.25
  7. 《表2 两种预测模型的均方误差和相关系数Tab.2 Mean Square Error and Correlation Coefficient of Two Predictive Models》2018.06.25
  8. 《表2 初始误差估计的均方根误差Tab.2 Root mean square error of initial error estimate》2018.12.28
  9. 《表2 3种激活函数预测样本对应的均方误差Tab.2 Mean square error of three activation functions》2018.12.25
  10. 《表2 溧阳台潮汐因子和相对中误差变化统计Table 2 Variation statistics of tidal factor and mean square error at Liyang Seismic Station》2018.06.25
  11. 《表2 不同滤波方法误差对比Table 2 Comparison of errors from different filtering methods》2018.03.01
  12. 《表7 收益和波动均方差Tab.7 The mean square error of gains and volatility》2018.12.25
  13. 《表6 收益和波动均方差Tab.6 The mean square error of gains and volatility》2018.12.25
  14. 《表1 9组数据线性拟合确定系数及均方根误差的比较Tab.1 Comparison of R-square and mean square error of 9groups of data》2018.12.31
  15. 《表2 50次Monte Carlo仿真RMSE均方差值Tab.2 RMSE mean square error of 50Monte Carlo simulations》2018.12.31
  16. 《表3 不同载噪比时两种算法的伪码跟踪均方误差对比Tab.3 Pseudo Code Tracking Mean Square Error Comparison of Two Algorithms under Different Carrie》2018.06.20
  17. 《表1 训练样本均方差和测试样本均方差随SPREAD值变化的数值Tab.1 The mean square errors of training samples and test samples changing with the value》2018.04.10
  18. 《表3 跟踪结果均方误差Tab 3 Mean square error of tracking result》2018.09.01
  19. 《表2 实测实验测距误差均值和方差对比Table 2 Comparison of mean and variance of range error in actually measured experiment》2018.08.01
  20. 《表3 不同寡照胁迫下光响应模型的决定系数和均方根误差Table 3 Determination coefficient and root mean square error of the light response model under》2018.07.30

随机翻阅

《表1 5 黏滞阻尼器产品参数》 《表6 匝道路基稳定性计算结果》 《表1 基于AQI指数的空气质量状况对照表》 《表1 家长问卷效度检验结果(N=50)》 《表3 2组患者治疗前后各指标比较》 《表2 琥珀酸多西拉敏中试批原料残留溶剂毛细管气相色谱法检测结果》 《表1 数据集：基于迁移学习和BiLSTM-CRF的中文命名实体识别》 《表4 2016年巴黎大区的九大竞争力集群》 《表2 后续2口井钻完井周期统计》 《表4 2SLS第一阶段估计结果》