《表3 归一化后样本输入向量测试结果》

  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EMD的神经网络空耦超声储油罐液位检测》

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

从图8可以看出，在该网络训练之后，梯度已经达到最小值，并且此时的训练误差非常小。为了验证该网络的准确性，对网络模型进行了测试，测试数据为之前选用的9组测试样本数据，测试结果（特征值）如表3所示。从表3中可以看出，网络的实际输出与预期输出基本是一致的，进一步证明了此类型BP神经网络模型是可靠的，能够准确地对储油罐中不同介质超声信号进行识别与分类。