《表5 残差改正数：修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析》

  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

《修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析》

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

通过比较三种方法建立的模型得到的预测值可知，修正指数曲线法建立的模型精度较高。根据灰色模型GM（1，1）建立的预测模型比修正指数曲线法和BP神经网络建立的预测模型预测的精度差一点。通常在灰色模型GM（1，1）建立的模型精度不高时可以建立残差模型进行补偿。残差模型的建立方法与灰色模型GM（1，1）建立一样。残差模型的原始数据为灰色模型GM（1，1）预测值残差数据，根据残差模型的计算得到的值作为残差修正值。本文也尝试利用残差模型对灰色模型GM（1，1）所建立的模型进行补偿。根据建立的残差模型得到参数a=0.0002，b=-0.0018。x（1）（k+1）=7.696e0.0002k-7.696。残差改正数见表5所示:在本文中对灰色模型GM（1，1）建立的模型进行残差修正的效果不明显。