《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》
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。
图表编号 | XD0069898400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.31 |
作者 | 何永波、李青、张宁、李闯将 |
绘制单位 | 中国计量大学灾害监测技术与仪器国家地方联合工程实验室、中国计量大学灾害监测技术与仪器国家地方联合工程实验室、中国计量大学灾害监测技术与仪器国家地方联合工程实验室、中国计量大学灾害监测技术与仪器国家地方联合工程实验室 |
更多格式 | 高清、无水印(增值服务) |