《表2 预测模型结果及误差分析》

  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

《粒子群优化BP神经网络在甲烷检测中的应用》

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

计算四种浓度甲烷气体的回收率和相对标准偏差，结果见表2.由表2可知:对选定的四种浓度甲烷气体进行预测时，PSO优化BP神经网络模型预测结果的RSD分别为0.177%、0.185%、0.248%和0.207%，最大RSD为0.248%，而单一的BP神经网络模型预测结果的RSD分别为2.312%、1.158%、0.991%和0.865%，最大RSD为2.312%.结果表明:在训练样本数据足够的情况下，基于PSO算法优化的BP神经网络模型和单一的BP神经网络模型都能够有效地预测甲烷气体浓度.但是，PSO优化BP神经网络相对于单一的BP神经网络而言，相对标准偏差更小，说明其权值和阈值更加合理，映射能力更强，对甲烷浓度的预测更加精确.