图2.23表示BP神经网络的一个训练结果,网络训练结果与实际结果的误差很小, VNQ6004S以表2.12作为样本输入值,得出网络预测浸润线埋深高度值为9.8025米,实际浸润线埋深高度为9.8米,误差为0.0025米。

    图2.23 神经网络输出浸润线埋深高度与实际浸润线埋深输出高度对比表2.13表示将本书算法测试结果与参考文献[30]中时间序列功能模型和回归预测模型测试结果进行比较,本书算法的预测值为9.8025m,时间序列功能模型预测值为9,79ω7m,回归预测模型预测值为9。bz1411m,而真实值为9,8m,本书算法的预测值误差为0,00250m,其余两种方案的预测值误差分别为0。OO393m、0.15589m。囚此,相比其他两种方案,本书算法融合值更加精确,精度更高,只要有与浸润线埋深高度相关的历史监测数据,运用BP神经网络算法可以实现对其较为准确的预测。