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
用户94658117999189 小时前
推理 INFRA 方法论(1):通信模型:从集合原语到跨机拓扑
人工智能
用户360055579009 小时前
Kestrel_VLLM - 29 · CUDA Graph 接到 hybrid 路径
人工智能
云和数据.ChenGuang9 小时前
Python 闭包详解:从原理到实战
linux·开发语言·人工智能·python·kubernetes
用户94658117999189 小时前
推理 INFRA 方法论(0):Roofline:用算力与带宽建立性能预算
人工智能
百胜软件@百胜软件9 小时前
Sen岗位AI助手零售实战研讨·武汉首站举办,引领零售“AI上岗”新范式
人工智能·零售
赛博山人10 小时前
美团龙猫(LongCat)发布 LongCat-2.5
人工智能
阿里云大数据AI技术10 小时前
阿里云 AI 原生大数据服务 ADA 正式发布,开启“对话即交付”的数据新纪元
人工智能
Redamancy96810 小时前
国产CAD横向测评:兼容、效率与长期保障怎么比
人工智能
miofly10 小时前
NVIDIA Attribution:分布式 AI 训练故障的自动归因系统
人工智能
noravinsc10 小时前
国内做程序研发用哪些ai工具好用,配置还简单?
人工智能