《表2 运行成本核算：FOA优化的BP神经网络算法及其在矿区变形预测中的应用》

  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

《FOA优化的BP神经网络算法及其在矿区变形预测中的应用》

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

本文数据采用141期的变形观测数据，其中，将1到120期数据作为训练数据，121到141期数据作为预测数据。分别采用三阶多项式拟合模型、五阶多项式拟合模型、BP神经网络预测模型（用BP表示）及FOA-BP神经网络预测模型（用FOA-BP表示）对数据进行变形预测，并以实测结果作为期望值与其进行对比分析。输入层节点个数为6个，隐含层节点个数为15个，输出层节点个数为1个，最大迭代次数为1 000，学习率为0.1，训练目标为0.000 8。四种模型的变形预测结果及期望值具体如表2所示，据此绘制的曲线图如图4所示。