《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》

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

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。