《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》

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

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。