《表3 两种模型预测精度的独立样本t检验结果》

  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

《基于人工神经网络的纺粘非织造布孔径及其分布预测》

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

多元线性回归分析是研究在线性相关条件下，2个或2个以上自变量与1个因变量之间的数量变化关系，而表达这种关系的数学公式被称为多元线性回归模型。本文建立纺粘非织造布制备工艺参数与孔径及孔径变异系数的多元线性回归模型，并将其预测结果与BP神经网络模型预测的结果进行比较。采用SPSS软件分别对孔径和孔径变异系数按逐步回归方法建立各自的多元线性回归模型。与神经网络预测模型同理，采用10折交叉验证法进行预测。结果表明，多元线性回归预测的平均孔径和孔径变异系数的MAPE值分别为3.47%和3.94%，均高于3#神经网络模型（分别为2.12%和2.33%），然而仍可认为多元线性回归模型也具有较好的预测性能。为了检验2种模型的预测精度在统计学上是否存在显著差异，运用SPSS软件对2种模型预测的MAPE值进行独立样本t检验，表3为检验结果。