圖2.23表示BP神經(jīng)網(wǎng)絡(luò)的一個(gè)訓(xùn)練結(jié)果,網(wǎng)絡(luò)訓(xùn)練結(jié)果與實(shí)際結(jié)果的誤差很小, VNQ6004S以表2.12作為樣本輸入值,得出網(wǎng)絡(luò)預(yù)測(cè)浸潤(rùn)線埋深高度值為9.8025米,實(shí)際浸潤(rùn)線埋深高度為9.8米,誤差為0.0025米。

    圖2.23 神經(jīng)網(wǎng)絡(luò)輸出浸潤(rùn)線埋深高度與實(shí)際浸潤(rùn)線埋深輸出高度對(duì)比表2.13表示將本書(shū)算法測(cè)試結(jié)果與參考文獻(xiàn)[30]中時(shí)間序列功能模型和回歸預(yù)測(cè)模型測(cè)試結(jié)果進(jìn)行比較,本書(shū)算法的預(yù)測(cè)值為9.8025m,時(shí)間序列功能模型預(yù)測(cè)值為9,79ω7m,回歸預(yù)測(cè)模型預(yù)測(cè)值為9。bz1411m,而真實(shí)值為9,8m,本書(shū)算法的預(yù)測(cè)值誤差為0,00250m,其余兩種方案的預(yù)測(cè)值誤差分別為0。OO393m、0.15589m。囚此,相比其他兩種方案,本書(shū)算法融合值更加精確,精度更高,只要有與浸潤(rùn)線埋深高度相關(guān)的歷史監(jiān)測(cè)數(shù)據(jù),運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法可以實(shí)現(xiàn)對(duì)其較為準(zhǔn)確的預(yù)測(cè)。