《表3 GA-BP预测结果》
提示：宽带有限、当前游客访问压缩模式
我们按照图2流程进行优化训练，其中，遗传算法初始种群我们设为50，迭代次数为100，预测结果如表3所示。
| 图表编号 | XD00168378500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.20 |
| 作者 | 黄富程、辛博鹏、安天圣、曹杰 |
| 绘制单位 | 大连海事大学航海学院、大连海事大学航海学院、大连海事大学航海学院、大连海事大学航海学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 测试样本：运用随机森林和GA-BP神经网络预测岩石爆破块度》2021.01.25
- 《表1 爆破数据：运用随机森林和GA-BP神经网络预测岩石爆破块度》2021.01.25
- 《表5 模型预测性能对比：基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法》2021.02.28
- 《表1 曲线设置表：GA-BP神经网络地基纠偏沉降预测中的应用研究》2020.11.20
- 《表1 GA-BP和RFR含水率预测模型比较》2020.12.18
- 《表7 预测结果对比：基于GA-BP神经网络的再生保温混凝土强度预测》2020.11.27
- 《表4 BP神经网络和GA-BP油温预测模型预测值与真实值对比表》2020.04.01
- 《表2 BP神经网络模型、GA-BP油温预测模型测试结果对比表》2020.04.01
- 《表3 BP网络预测结果：基于GA-BP神经网络的机床主轴刚度预测研究》2020.05.10
- 《表4 GA-BP网络预测结果》2020.05.10
- 《表2 天气类型因子：基于MIV分析的GA-BP神经网络光伏短期发电预测》2020.08.28
- 《表3 GA-BP网络预测与期望值对比》2020.01.06
- 《表2 主成分分析结果：滁州市汛期雨量多尺度时间变化特征及其GA-BP模型预测》2019.10.01
- 《表2 负荷预测数据比较：基于GA-BP神经网络的电力系统负荷预测研究》2019.10.10
- 《表1 原始数据：基于GA-BP神经网络的电力系统负荷预测研究》2019.10.10
- 《表6 GA-BP神经网络预测值和实际值对比表》2019.10.10
- 《表2 切削实验样本数据：GA-BP神经网络预测钛合金表面粗糙度》2019.08.08
- 《表3 预测结果比较：基于GA-BP模型的露天矿边坡稳定性预测》2019.06.15
- 《表3 GA-BP神经网络模型参数预测结果》2019.09.20
- 《表3 Adaboost GA-BP算法对不同监测点数据的预测精度》2018.03.25