标志

复杂性
复杂性/2019年/文章/选项卡3

研究文章

杂散电流引起的腐蚀电流密度的预测模型基于QPSO-Driven神经网络

表3

比较预测QPSO-NN, PSO-NN和摘要。
训练集的比例(%) 预测精度和方差分析测试
摘要(x)(%) PSO-NN (y)(%) QPSO-NN (z)(%) z- - - - - -y(%) 价值 z- - - - - -x(%) 价值
40 80.12 82.87 89.51 6.64 8.65×10−7 9.39 4.13×10−13
50 80.23 84.03 89.65 5.62 1.12×10−7 9.42 1.39×10−9
60 81.26 84.26 90.11 5.85 1.03×10−7 8.85 1.68×10−11
70年 82.75 85.10 90.23 5.13 5.99×10−8 7.48 1.22×10−11
80年 83.33 85.80 91.34 5.54 3.49×10−5 8.01 1.26×10−11
90年 83.41 86.02 91.95 5.93 1.67×10−6 8.54 6.29×10−18

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。