《表1 样本数据 (部分)》

  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神经网络的井筒连续流量计启动速度预测》

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

本文BP神经网络预测模型的构建主要用到newff函数（BP神经网络参数设置函数）、train函数（BP神经网络训练函数）和sim函数（BP神经网络预测函数）。为防止数据本身的差异对计算结果造成影响，需要对样本数据进行归一化处理，因此在输入样本数据时还调用了归一化函数mapminmax，其数据分布在[-1~1]之间。网络训练的目标误差为0.000 1，将学习率设为0.01，限定最大循环次数为500次，BP神经网络预测模型的结构为3×8×1。为了使样本的输入顺序对预测结果不会产生影响，本文从表1中的50组输入数据中随机抽取40组数据作为网络训练数据，剩余的10组数据作为网络测试数据。