《表3 检验数据神经网络预测结果与实测值》

  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BP神经网络的玻璃纤维增强塑料腐蚀条件下的寿命预测》

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

采用Matlab2014软件进行BP神经网络分析，输入数据需运用“mapminmax”函数进行归一化处理，设置最小均方误差为0.000001，学习率为0.01，最大训练次数为20000。设置3-10-1的BP神经网络系统对数据进行训练，随机选取低浓度酸25℃腐蚀30 d，55℃腐蚀60 d和80℃腐蚀180 d，高浓度酸25℃腐蚀60 d，55℃腐蚀30 d和80℃腐蚀90 d的数据进行误差分析，检验数据输出时用“reverse”进行反归一化处理。表1、表2为各浓度酸腐蚀条件下预测结果、实测值及误差分析，其中预测结果为未进行反归一化处理的数据，预测结果和测值之间的相对误差集中在10%以内。随机抽取的检验数据的预测结果如表3所示，预测值和实测值的对比如图6所示，结果表明，随机检验数据的误差在-15.77%～8.63%之间，而99%的置信度下，检验数据神经网络预测结果与实测值的相对误差的置信区间在-15.40%～9.610%之间，在说明所建立的BP神经网络模型得到的预测值与实测值吻合较好。