基于遗传算法优化BP神经网络的边坡稳定性预测

========== 性能指标 ==========

标准BP - 训练集 RMSE: 0.2216, MAE: 0.1771, R²: 0.8690, MRE: 14.10%

GA-BP - 训练集 RMSE: 0.1658, MAE: 0.1137, R²: 0.9266, MRE: 8.91%

性能提升: RMSE改善 25.16%, R²提升 6.63%

========== GA-BP测试集部分预测结果 ==========

序号 预测值

1 1.2813

2 1.1438

3 1.9506

4 4.4587

5 1.5284

6 1.3040

7 1.0200

8 1.4648

9 1.7498

10 0.7053

11 1.5709

12 0.9184

13 1.6380

14 1.3099

15 1.2020

16 1.3509

17 1.2160

18 1.3486

19 1.1212

20 1.9027

>>

相关推荐
武子康4 分钟前
Codex 后台任务结束了,为什么还不能直接接着用?
人工智能·llm·agent
Ivanqhz38 分钟前
数据搬运是性能关键
java·服务器·网络·人工智能·深度学习
糖糖单片机设计40 分钟前
基于STM32的电子密码锁设计与实现(矩阵键盘+防拆检测+GSM远程报警)
人工智能·stm32·单片机·嵌入式硬件
johnsong1 小时前
AI前沿日报 2026-09-19
人工智能·语言模型
程序员Better1 小时前
我终于遇到一台懂 AI 编程的专业编程显示器!
人工智能·openai·编译器
sky_8106131 小时前
AI Agent 2026编程类客户端调研报告
人工智能·ai
cyl12240711 小时前
2026年10月嵌入式培训指南:在“AI+嵌入式“爆发前夜,如何选择你的职业跳板?
人工智能·嵌入式硬件
zhikouai1 小时前
大模型越强,企业 AI 成本越高?3 个治理判断
人工智能
阳明山水1 小时前
校准分位数驱动智能库存决策
人工智能·深度学习·算法·机器学习·架构