《表1 传统BPNN和启发式BPNN估算SOC的误差》

《表1 传统BPNN和启发式BPNN估算SOC的误差》   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
《启发式BP神经网络估算铅酸电池的SOC》


  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

不同放电倍率下，传统BPNN和启发式BPNN分别估算VRLA电池SOC的误差统计结果见表1。

图表编号XD0054821000    严禁用于非法目的
绘制时间2019.02.25
作者杜瑞、朱武、邓安全
绘制单位上海电力学院电子与信息工程学院、上海电力学院电子与信息工程学院、上海电力学院电子与信息工程学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表2 SVM、BPNN、PLS和RF检测结果》2021.03.15
  2. 《表1 IGA-BPNN和BPNN模型预测结果误差分析》2020.12.25
  3. 《表1 物性参数表：基于ANSYS和BPNN的开关柜温度场及温度预测研究》2021.02.01
  4. 《表1 BPNN和SVR模型6 h预测结果的B、MAE、RE和R》2020.10.01
  5. 《表1 BPNN和RHM的平均输出结果比较》2020.06.30
  6. 《表2 RHM和BPNN的统计指标和误差》2020.06.30
  7. 《表1 BPNN与PSO-BPNN仿真数据比较》2020.07.25
  8. 《表1 灰色关联度计算值：基于BPNN和RNN模型的烧结矿质量预测方法对比及分析》2020.09.01
  9. 《表3 BPNN和LSSVM参数设置》2019.11.01
  10. 《表2 模型预测误差：基于改进PSO-BPNN的输油管道内腐蚀速率研究》2019.10.30
  11. 《表2 BPNN模型和GA-BPNN模型的预测误差》2019.10.31
  12. 《表2 GRNN与BPNN预测裂纹误差对比表》2019.10.01
  13. 《表1 1 BPNN的预测误差》2019.08.01
  14. 《表2 不同隐含层节点数下BPNN的误差和训练步数》2019.06.01
  15. 《表1 CNN, BPNN和SVM方法得到的混淆矩阵》2019.07.20
  16. 《表2 基于MNF特征信息提取的LDA和BPNN判别分析模型结果》2018.11.01
  17. 《表2 PSO-BPNN与BPNN的预测性能比较Table2 Comparison of predictive performance of PSO-BPNN and BPNN》2018.07.05
  18. 《表1 PSO-BPNN与BPNN的训练参数》2018.07.05
  19. 《表4 PSO-BPNN与BPNN的预测结果Table4 Prediction results of PSO-BPNN and BPNN》2018.07.05
  20. 《表3 GPR、BPNN、DE-GPR模型的误差对比》2018.11.15

随机翻阅

《表8 挥发性有机液体的使用情况》 《表2 累积位移与位移速率拟合效果和预测“阶跃”位移量》 《表1 两组研究对象TSH、FT3、FT4水平比较（)》 《表4 纳入文献的AMSTAR质量评估 (n=77, n/%)》 《表2 5种质控农药的校准曲线、检测限与定量限》 《表2 不同地被间土壤容重单因素方差分析》 《表3 燃气质量标准 (压力=101.3kPa，温度=20℃)》 《表2 不同施肥处理对花生叶片光合速率、蒸腾速率的影响》 《表3 临床发展能力考评体系总体评价情况[n (%) ]》 《表1 被调查样本基本情况一览表N=24》