《表3 拟合系数标定结果：基于Adaboost-PSO-BP模型的开采沉陷预测研究》

  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Adaboost-PSO-BP模型的开采沉陷预测研究》

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

%

模型相对误差对比见表3。由表3中数据可知，由于传统BP网络泛化能力差，易陷入局部最小值，故其预测精度最低，相对误差值最高到40.73%；粒子群算法克服BP算法局部最优的缺陷，提高局部区域的收敛速度，通过惯性权重协调全局搜索与局部搜索，以较大概率保证最优解，经粒子群优化的BP模型精度有较大改善，平均相对误差达到7.24%；由Adaboost算法改进的BP模型预测精度相较于PSO-BP模型平均相对误差精度提升到5.16%；本文改进的Adaboost-PSO-BP模型的精度最高，平均相对误差只有4.26%。Adaboost算法在优化BP模型时的精度已优于PSO-BP模型，进一步改进的Adaboost-PSO-BP模型精度再次提升，表明该模型根据预测误差调整若干组弱预测器之间的权重，将神经网络不同的预测结果加权平均，组成强预测器，实现了“优中选优”的目标。