《表2 充填料浆配比归一化后的样本数据》

  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

《基于神经网络与遗传算法的多目标充填料浆配比优化》

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

神经网络对训练样本数据的质量要求高，训练样本的好坏直接决定了神经网络的泛化能力[13-15]。本文从某矿山充填料浆配比试验中选取24组试验数据[9]，表1为充填料浆配比学习样本数据，表2为充填料浆配比归一化后的样本数据。其中，影响充填体抗压强度的充填体料浆配比参数为水泥的质量分数（ω1）、粉煤灰的质量分数（ω2）和尾砂的质量分数（ω3），将试验数据中的1～21组用作神经网络训练集，22～24组用作测试集。隐含层采用Sigmoid函数，输出层采用Purelin函数。由于Sigmoid函数值域范围是[-1，1]或[0，1]，因此将训练样本输入到神经网络时，为了避免数据由于量纲不同而产生的较大误差，需利用式（1）对数据进行归一化处理。