《表4 验证样本的磨损体积试验结果与预测数据》

  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BP神经网络的连杆锻压工艺优化》

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

为了进一步考察所建BP神经网络模型预测样本的能力，本文选取了8组未学习和训练过的样本数据进行试验。图5是这8组样本的相对预测误差。其中，相对预测误差是用磨损体积预测值和磨损体积试验值之间的差除以磨损体积试验值。从图5可以看出，这8组未学习的样本数据，神经网络输出的磨损体积的相对预测误差最小为3.6%，最大为5.8%，平均预测误差值为4.5%。表4是验证样本的磨损体积试验结果与预测结果数据。从表4可以看出，验证样本的磨损体积预测值与其试验值之间相差不大。所以构建的BP神经网络模型预测能力较强，精度高，使用性良好，适合连杆锻压工艺的优化。