《表2 边坡位移预测结果与误差分析》
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PSO优化BP神经网络的露天矿边坡位移预测模型》
由图4可知,PSO-BP边坡预测模型和BP边坡预测模型分别在迭代3次和11次达到收敛状态,PSO优化BP神经网络预测模型提高了BP神经网络在边坡预测中的迭次速度。由图5可知,PSO-BP预测模型的效果优于BP预测模型,预测结果更接近实际监测值。由表2可知,PSO-BP边坡预测模型的最大相对误差和平均相对误差分别是0.566 8%、0.353 0%,而BP边坡预测模型的最大相对误差和平均相对误差分别是1.302 8%、1.081 7%,PSO优化BP神经网络预测模型提高了BP神经网络边坡预测的精度。因此,在露天矿边坡位移预测中,PSO优化BP神经网络预测模型提升了BP预测模型的精度和收敛速度。
图表编号 | XD00227901300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 欧阳斌、陈艳红、邓传军 |
绘制单位 | 江西工业工程职业技术学院能源工程学院、江西工业工程职业技术学院能源工程学院、江西工业工程职业技术学院能源工程学院 |
更多格式 | 高清、无水印(增值服务) |