《表4 PSO-RBF网络检验样本》

  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

《RBF神经网络可靠度分析方法在边坡稳定性研究中的应用》

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

经过多次的计算，取粒子群的规模为20，粒子维数12，最大迭代次数250次，初始权重为0.9，c1=c2=1.49，当网络隐含节点数为10左右时，网络的预测性能最好，决定系数均在99%以上，仿真的误差最大不超过0.001；而直接使用RBF网络预测的决定系数在90%左右，精度明显低于PSO-RBF预测的结果，结果如图8所示。由此可见PSO优化后的RBF神经网络适合于本文的研究，RBF拟合出的响应面函数S=f（c，φ）如图9所示。