《表2 测试样本实际值与预测值对比表》

  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BP神经网络矿井突水点注浆量的预测》

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

为了检验训练好的模型结构性能，将表1中序号22～26作为检测网络性能的样本，代入设计好的网络模型，结果比较如表2所示，采用BP神经网络计算的突水点注浆量的最大相对误差绝对值为14.04%，平均相对误差为8.5%，平均预测精度达91.5%。将测试样本的数据代入已经设计好的BP神经网络模型，应用MATLAB得出的实际值与预测值对比图如图4所示。