《表4 各模型的关门声品质预测效果对比》

  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

《基于EEMD样本熵与小波神经网络的汽车关门声品质预测》

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

同时，为显示基于EEMD分解的样本熵特征向量及小波神经网络模型的优势，建立了基于EEMD分解的样本熵的BP网络预测模型、基于心理学客观参数的小波神经网络预测模型、基于心理学客观参数与BP神经网络的预测模型。心理学参量如表2所列；BP网络的传输函数选用sigmoid，隐含层神经元数目由n=i+o+a（i、o分别为输入输出层神经元的个数，a取1～10）确定。最终确定各网络的结构分别为10-12-1、5-11-1、5-8-1。从26个声样本中选取前20个样本用于模型的训练，剩余的6个样本用于模型检测，并对输入输出样本进行归一化处理。各网络训练时采用默认Levenberg-Marquardt算法，设置训练精度0.01为网络收敛条件。由于神经网络每次的运算结果不同，各模型预测结果取模型运行100次后的均值，如图5和表4所示。