《表2 三种方法对算例1的预测结果》

  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

《PSO优化RBF神经网络在变形监测中的应用》

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

表1和表2给出了三种方法对训练数据的拟合结果和测试数据的预测结果，其中残差百分比定义为：（拟合值-监测值）/检测值。同时用传统小波方法和RBF神经网络作为对比方法，在相同条件下进行数据拟合和预测，其中小波方法选用db6母小波，分解层数为7，RBF神经网络采用与文献[16]相同的网络模型。从表1所示结果可以看出所提PSO-RBF方法对训练数据拟合得到的平均残差百分比为0.316 3，比传统RBF网络模型得到的残差百分比小50%，远远优于传统小波方法。同样对测试数据进行预测试验中，RBF神经网络方法和小波方法得到的平均残差百分比分别为0.637 6和0.917 7，而所提PSO-RBF方法可以得到0.327 8的平均残差百分比，明显优于另外两种方法。