《表1 含沙量的模拟预测结果》

  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ABC-BP神经网络的年均含沙量预测研究》

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

由上表一模拟预测结果可知，采伐量、采伐量、降雨量、年平均流量这四个输入因子对于含沙量的大小有着重要的影响，BP神经网络和ABC-BP在训练样本1961-1976年拟合精度都很高，几乎都达到了100%，但是BP神经网络在预测样本1977-1978年中，相对误差较大，达到了66.57%和41.57%，原因主要为：一是样本数过少，BP神经网络陷入了过拟合状态，二是采用梯度下降法反向传播时，陷入局部最小值。用人工蜂群算法优化后的初始权值、阈值进行训练、预测，精度有了较大的提升，1977-1978年的预测相对误差仅为21.19%和9.80%。同时BP神经网络在预测时由于初始权值的随机化赋值，导致每次预测结果都不一样，确定性很低，而经蜂群算法优化固定后的初始权值、阈值则无此问题。