基于bp神经网络的混凝土抗压强度预测 - 图文

图3-5-7

图3-5-8

图中展示的是训练时测试时以及交叉训练时数据的落点与预期的散落程度，3-5-7图可以看出来数据落点很集中，基本呈现一种线性状态。但是图3-5-8所表现出的无论是训练值还是测试值和交叉对比值数据落点散乱，线性规律较差，训练目标很不理想。 3.6 数据分析

最后在运算即将结束之后，将预测值与真实值的对比图用matlab展示出来，如图3-6-1（隐层神经元个数为12）和图3-6-2（隐层神经元个数为9）：

图3-6-1

图3-6-2

由图3-6-1可以看出，预测值的图线与真实值基本重合，决定系数R2达到了

0.93，检测值与训练值基本一致，误差范围在7%左右，达到了精度要求。所以此模型可以实际应用于混凝土抗压预测。

图3-6-2预测值与真实值差距较大，决定系数R2只有0.81，误差范围达到了19%，不足以用于混凝土抗压预测。

在构建混凝土抗压预测模型时，建立隐层神经元个数为12时，网络训练效果最好，不仅可以达到预期精度要求，动量参数，训练梯度都可以稳定保持一个线性状态，对混凝土抗压预测有很大的参考价值。