《表2 BP神经网络模型预报结果及精度》

  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

《BP时间序列在地铁沉降监测中的应用》

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

BP神经网络模型对已知监测数据没有等间隔的要求，因此，针对3组数据，可直接采用BP神经网络进行模型预测。针对数据1，隐函数层数设置为n=10；针对数据2，隐函数层数设置为n=20；对于数据3，隐含数层数设置为n=30；输出层都为1，采用LM准则进行模型预报。但由于BP神经网络局部最优的原则，导致每次预报结果不同，为此，增加数理统计机制对预报结果进行最优估计，预报结果与精度如表2所示。从中可以看出:对于波动段的监测数据，BP神经网络模型的预报精度高于时间序列模型，且稳定性更高；对于趋势段的监测数据，BP神经网络模型的预报精度低于时间序列模型，但稳定性高于时间序列模型；对于突变段的监测数据，BP神经网络模型的预报精度与时间序列并无明显差异，但稳定性高于时间序列模型。