《表5 预测与实际输出的均方根误差Tab.5 RMSE between predicted and actual output》
迭代均值组合模型能够以最少的采样点建立满足精度要求的近似模型,是公认的高效模型[3].比较本文提出的改进BP神经网络模型与迭代均值组合模型预测水平的均方根误差,结果如表5所示.由表5可知,在样本数量相同的情况下,迭代均值组合模型总的均方根误差为891.900 2,而改进的BP神经网络模型的均方根误差只有77.737 12,从而更好地提高了模型近似精度.因此,本文所提出的改进的BP神经网络模型在保证计算效率的情况下可以大幅提升预测精度.
图表编号 | XD0040343900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.28 |
作者 | 龙周、陈松坤、王德禹 |
绘制单位 | 上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心、上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心、上海交通大学海洋工程国家重点实验室、高新船舶与深海开发装备协同创新中心 |
更多格式 | 高清、无水印(增值服务) |
查看“表5 预测与实际输出的均方根误差Tab.5 RMSE between predicted and actual output”的人还看了
- 表1 空载条件下测量结果和实际输出结果对比Tab.1 Comparision Between Measurement Result and Actual Output Result Without Load
- 表2 外特性条件下测量结果和实际输出结果对比Tab.2 Comparison Between Measurement Result and Actual Output Result under Condition of Outer Feat