《表2 各预测模型预测精度对比》

  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

《一种改进遗传神经网络的建筑基坑沉降预测模型》

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

表1记录了4种预测算法对于36~40期累积沉降量的预测值，其中负号表示沉降的方向竖直向下。图3为4种算法的预测误差对比图，预测误差以毫米为单位，从图上可以更直观地看出，与其他3种算法相比，Adaboost GA-BP算法的预测误差更接近于0值。从表2可以看出，后3种算法对于BP预测算法均有改进，其中精度最高的为本文提出的改进算法。Adaboost GA-BP算法后5期预测值的平均绝对百分误差为0.68%，误差绝对值均值为0.29，误差均方差为0.49。对比BP算法和Adaboost-BP算法的预测结果，可知Adaboost算法能够有效提高神经网络预测模型的预测精度。对比GA-BP和Adaboost GA-BP算法的预测结果可知，Adaboost GA-BP算法较GA-BP算法在MAPE、MAE、MSE 3项精度指标上分别提高了80.57%、81.04%、70.83%。