《表3 BP神经网络模型和权值阈值》
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
《基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型》
BP神经网络模型具有非常强的信息综合能力(杨志浩和李治平,2017),它可以快速准确地处理大量信息,虽然在理论上能够任意逼近任何非线性映射,但由于传统BP神经网络稳定性差、训练时间长、模型复杂程度难以控制,且页岩气TOC含量的影响因素较多,运算时易导致过拟合现象(Li et al.,2016)。因此本文以利用主成分分析法所确定的4个主因子作为BR-BP网络模型的输入变量,以TOC含量作为模型的输出值,通过贝叶斯正则化限制网络权值来修正其训练性能函数,并在实际训练过程中,其隐含层传递函数设置为tansig函数,输出层传递函数设置为pureline线性函数,隐含层节点参照经验公式来确定(其中ni为输入层节点数,no为输出层节点数,a为介于1~10之间的任意整数),最终建立了网络结构为4×10×1的3层贝叶斯正则化BP神经网络TOC含量预测模型(即4个输入节点、10个隐含层神经元、1个输出节点),如式7所示。其中BP神经网络模型拓扑图如图1所示,经计算基于BR-BP的TOC含量预测评价模型最终权值和阈值如表3。
图表编号 | XD0057428200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 袁颖、谭丁、于少将、李杨、韩冰 |
绘制单位 | 河北地质大学勘查技术与工程学院、河北省地质调查院、河北地质大学勘查技术与工程学院、河北省地矿局国土资源勘查中心、河北地质大学勘查技术与工程学院 |
更多格式 | 高清、无水印(增值服务) |