《表3 神经网络结构及参数设置情况》
基于Matlab R2017a平台,利用newff函数创建BP神经网络,设置最大训练次数为2 000次,网络学习率η为0.01(默认值),训练期望精度为10-4,网络误差梯度为0,经训练后的神经网络实际误差梯度约为0.93×10-6,认为此误差梯度满足要求[7]。采用不同训练算法,经多次训练后发现,量化共轭梯度算法对直角折线堰过流能力试验成果数据适应性较好,因此采用量化共轭梯度算法训练网络,其参数设置见表3。此外,在对预测数据进行归一化处理的基础上,再对神经网络预测结果进行反归一化处理,得到与样本数据形式一致的过堰流量。
图表编号 | XD00208041500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.25 |
作者 | 邱勇、杨泽文、周鑫宇、吴锦钢、谢红英 |
绘制单位 | 云南农业大学水利学院、云南农业大学水利学院、云南农业大学水利学院、云南农业大学水利学院、云南农业大学水利学院 |
更多格式 | 高清、无水印(增值服务) |