《表4 三种方法对算例2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

图4给出了PSO迭代过程中不同参数的优化曲线，对比图3和图4可以看出，当数据波动较大时PSO算法参数的迭代过程也变得更加复杂，需要更多的迭代次数（30次）才能实现收敛，这与前述的理论分析一致。表3和表4分别给出了三种方法对算例2训练数据的拟合结果和测试数据的预测结果，可以看出，三种方法对算例2的试验结果与算例1一致，即PSO-RBF方法可以获得最优的拟合和预测精度，平均残差百分比比RBF方法高50%，远远优于小波方法。