《表2 模型预测结果对比:基于RST-LSTM模型的堤坝渗压动态预测分析》
注:绝对误差=|渗压实测值-渗压预测值|;相对误差=绝对误差/水头×100%
图8为渗压值预测结果,表2为模型预测结果对比表.由结果可知,神经网络方法可以实现渗压值的预测,RST-LSTM、RNN和BP模型的决定系数R2值分别为0.95、0.88和0.82,相对误差均值分别为4.43%、8.99%和9.60%,均在10%以内,满足预测精度要求.3种模型的对比分析发现,RST-LSTM模型预测精度最高,其次是RNN模型,最低的是BP模型,前者比后两者计算精度分别提高了2.03倍和2.17倍(按相对误差均值计).分析如下:
图表编号 | XD00214184700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 陈守开、蒋海峰、李海瑞、陈家林、史海波 |
绘制单位 | 华北水利水电大学水利学院、河南省水环境模拟与治理重点实验室、河南省水谷创新科技研究院有限公司、水资源高效利用与保障工程河南省协同创新中心、华北水利水电大学水利学院、河南省水环境模拟与治理重点实验室、水资源高效利用与保障工程河南省协同创新中心、华北水利水电大学管理与经济学院、华北水利水电大学水利学院、河南省水环境模拟与治理重点实验室、水资源高效利用与保障工程河南省协同创新中心、华北水利水电大学水利学院、河南省水环境模拟与治理重点实验室、水资源高效利用与保障工程河南省协同创新中心 |
更多格式 | 高清、无水印(增值服务) |