《表1 不同隐含层节点数评价指标计算数值》
提取 ⇩
《基于BP神经网络的校园中水用水量预测研究》
在运用BP神经网络预测中水用水量时,相对误差的计算公式为,根据预测数据与实际数据,计算出相对误差,列出结果对比表(如表2),由表中计算结果可以看出,有18个时间段的预测数据与实际数据相对误差在0.05范围内,占比为75%,可以证明中水用水量预测模型在实际应用中有一定的应用价值,预测结果准确,有效。
图表编号 | B166653666 |
---|---|
出版时间 | 2019.11.25 |
作者 | 明亮、吴永强、安娟、王旭朝 |
研究主题 | 基于BP神经网络的校园中水用水量预测研究 |
出版单位 | 河北建筑工程学院能源与环境工程学院、河北建筑工程学院能源与环境工程学院、河北建筑工程学院能源与环境工程学院、河北建筑工程学院能源与环境工程学院 |
更多格式 | JPG/无水印(增值服务) |
定制格式 | Excel格式(增值服务) |
传媒
查看“表1 不同隐含层节点数评价指标计算数值”的人还看了
-
- 表3 BP神经网络输入层到隐含层节点的权值和阈值
- 基于ACA-BP神经网络瓦斯发电预测的研究
-
- 表3 精度分析:BP神经网络在高校校园网络安全评价中的应用与研究
- BP神经网络在高校校园网络安全评价中的应用与研究
-
- 表1 高校校园网络安全评价指标
- BP神经网络在高校校园网络安全评价中的应用与研究
-
- 表2 各BP神经网络评价模型的网络结构
- 基于BP神经网络的高速铁路应急演练评价研究
-
- 表8 基于BP神经网络的银行财务风险评价指标预测值
- 基于BP神经网络的企业财务管理风险预测实证分析
-
- 表2 BP神经网络模型与Markov-BP神经网络模型预测值比较
- 融合Markov与BP神经网络的纯电动汽车销售量预测研究