《表2 试验值与预测值之间的线性回归关系》

  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

《基于人工神经网络模型的木材干燥应变模拟预测》

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

训练集、验证集、测试集和总数据集中，试验值与预测值之间的线性回归方程及对应的相关系数（R）和决定系数（R2）见表2。训练集、验证集、测试集和总数据集的R分别为0.988、0.983、0.978和0.985，而测试集的R2为0.95，表明该神经网络模型能够解释95%以上的试验数据，其他3个数据集的R2均高于0.95。Mansfield等（2007）基于神经网络预测弹性模量时，数据集的R2为0.693～0.750，而预测静曲模量时，R2仅为0.438～0.561，是由于数据集不足以及输入变量选择不当造成的；Tiryaki等（2014b）基于神经网络模型预测热处理木材压缩强度时，所有数据集的R2均高于0.99。