Back propagationneural networks wit

Back propagation
neural networks with six different training algorithms
were obtained to be proper for predicting the fuel consumption.
The ANN with Levenberg–Marquardt training
algorithm with two hidden layers each having 10 neurons
presented better accuracy in simulation compared to
Table 4
Equations representing stepwise multiple ranges regression generated for estimating tractor fuel consumption and its performance parameter compared with ANN model.
Model Step Equation R2 Accuracy
(%)
Stepwise multiple ranges
regression
1. Drawbar power fc = 0.062Pd + 0.992 0.954 86.60
2. Drawbar power + PTo power fc = 0.052Pd + 0.01Pp + 0.621 0.963 86.74
3. Drawbar power + PTo power + throttle condition fc = 0.039Pd + 0.019Pp0.596t + 1.668 0.972 90.84
4. Drawbar power + PTo power + throttle condition + engine speed fc = 0.039Pd + 0.017Pp0.597t + 1.457  105s + 0.177 0.972 90.73
5. Drawbar power + PTo power + throttle condition + engine speed + total
tested weight
fc = 0.038Pd + 0.017Pp0.6t5.145  106s + 1.943  105wt + 1.689 0.973 91.00
ANN – 0.986 93.77
Pd: drawbar power, Pp: PTO power, t: throttle conditions and s: engine speed.
Estimated data of fuel consumption (gal h-1)
Actual data of fuel consumption (gal h-1)
Fig. 4. Actual data (From NTTL) versus estimated data of tractor fuel
consumption. Solid lines are the 1:1 relationship; dotted lines are ±CV
around the 1:1 line.
0 5 10 15 20 25
Estimated data of fuel consumption (gal h-1)
Actual data of fuel consumption (gal h-1)
Fig. 5. The diagram representing the overestimated and underestimated
data of fuel consumption.
2110 F. Rahimi-Ajdadi, Y. Abbaspour-Gilandeh / Measurement 44 (2011) 2104–2111
others

ผลลัพธ์ (ไทย) 1:

กลับไปเผยแพร่เครือข่ายประสาทกับอัลกอริทึมต่าง ๆ ฝึก 6ได้รับให้เหมาะสมสำหรับการคาดการณ์ปริมาณการใช้น้ำมันเชื้อเพลิงแอนกับ Levenberg – Marquardt ฝึกอัลกอริทึมกับสองซ่อนเลเยอร์แต่ละที่มี 10 neuronsแสดงความถูกต้องดีกว่าเมื่อเทียบกับการจำลองตาราง 4สมการถดถอยช่วงหลายที่สร้างขึ้นสำหรับการประเมินปริมาณการใช้น้ำมันเชื้อเพลิงของรถแทรกเตอร์และพารามิเตอร์ของประสิทธิภาพเมื่อเทียบกับรุ่นแอน stepwise แทนแบบจำลองขั้นตอนสมการ R2 ความถูกต้อง(%)Stepwise หลายช่วงถดถอย1. drawbar ไฟฟ้า fc = 0.062Pd + 0.992 0.954 86.602. drawbar พลังงาน + PTo ไฟฟ้า fc = 0.052Pd + 0.01Pp + 0.621 0.963 86.743. พลังงาน drawbar + PTo พลังงาน + เค้นเงื่อนไข fc = 0.039Pd + 0.019Pp 0.596t + 1.668 0.972 90.844. พลังงาน drawbar + PTo พลังงาน + เงื่อนไขเค้น + เครื่องยนต์ความเร็ว fc = 0.039Pd + 0.017Pp 0.597t + 1.457 10 5s + 0.177 0.972 90.735. พลังงาน drawbar + PTo พลังงาน + เค้นสภาพ + ความเร็วเครื่องยนต์ + รวมน้ำหนักทดสอบfc = 0.038Pd + 0.017Pp 0.6t 5.145 10 6s 5wt 1.943 10 + 1.689 0.973 91.00แอน – 0.986 93.77Pd: drawbar พลังงาน Pp: PTO พลังงาน t:กำลังเค้นเงื่อนไข และ s:ความเร็วเครื่องยนต์ข้อมูลประเมินปริมาณการใช้น้ำมันเชื้อเพลิง (gal h-1)ข้อมูลที่แท้จริงของปริมาณการใช้น้ำมันเชื้อเพลิง (gal h-1)Fig. 4 ข้อมูลจริง (จาก NTTL) และข้อมูลประเมินของน้ำมันเชื้อเพลิงของรถแทรกเตอร์ปริมาณการใช้ เส้นทึบคือ ความสัมพันธ์ 1:1 เส้นจุด ±CVบรรทัด 1:1 รอบ0 5 10 15 20 25ข้อมูลประเมินปริมาณการใช้น้ำมันเชื้อเพลิง (gal h-1)ข้อมูลที่แท้จริงของปริมาณการใช้น้ำมันเชื้อเพลิง (gal h-1)Fig. 5 ไดอะแกรมแสดง ถึง overestimated underestimatedข้อมูลปริมาณการใช้น้ำมันเชื้อเพลิง2110 F. Rahimi Ajdadi, Y. Abbaspour-Gilandeh / 44 วัด (2011) 2104-2111ผู้อื่น

ผลลัพธ์ (ไทย) 2:

กลับขยายพันธุ์เครือข่ายประสาทที่มีหกขั้นตอนวิธีการฝึกอบรมที่แตกต่างกันได้รับที่จะเป็นที่เหมาะสมสำหรับการคาดการณ์การบริโภคน้ำมันเชื้อเพลิง. แอนด้วยการฝึกอบรม Levenberg-Marquardt อัลกอริทึมที่มีสองชั้นที่ซ่อนแต่ละคนมี 10 เซลล์ประสาทที่นำเสนอความถูกต้องดีกว่าในการจำลองเทียบกับตารางที่4 สมการที่เป็นตัวแทนของช่วงหลายขั้นตอน การถดถอยที่สร้างขึ้นสำหรับการประเมินการบริโภคน้ำมันเชื้อเพลิงรถแทรกเตอร์และพารามิเตอร์ประสิทธิภาพเมื่อเทียบกับแบบจำลอง ANN. รุ่นขั้นตอนที่ถูกต้องสม R2 (%) ช่วงหลายแบบขั้นตอนการถดถอย1 อำนาจพ่วง fc = 0.062Pd 0.992 0.954 + 86.60 2 พลังอำนาจพ่วง + PTO fc = 0.052Pd 0.01Pp + + 0.621 0.963 86.74 3 พลังอำนาจพ่วง + PTO + fc สภาพเค้น = 0.039Pd + 0.019Pp? 0.596t + 1.668 0.972 90.84 4 พลังอำนาจพ่วง + PTO + + สภาพเค้นความเร็วรอบเครื่องยนต์ fc = 0.039Pd + 0.017Pp? 0.597t + 1.457? 10 5s + 0.177 0.972 90.73 5 พลังอำนาจพ่วง + PTO + + สภาพคันเร่งเครื่องยนต์ความเร็ว + รวมการทดสอบน้ำหนักfc = 0.038Pd + 0.017Pp? 0.6t? 5.145? 10 6s + 1.943? 10 5wt + 1.689 0.973 91.00? ANN - 0.986 93.77 Pd:. อำนาจคาน, PP: พลังส่งกำลังออก, เสื้อ: เงื่อนไขเค้นและ s: ความเร็วรอบเครื่องยนต์ประมาณข้อมูลการบริโภคน้ำมันเชื้อเพลิง(แกลลอนต่อชั่วโมง-1) ข้อมูลที่เป็นจริงของการบริโภคน้ำมันเชื้อเพลิง (แกลลอนต่อชั่วโมง -1) รูป 4. ข้อมูลที่เกิดขึ้นจริง (จาก NTTL) เมื่อเทียบกับประมาณข้อมูลของน้ำมันเชื้อเพลิงรถแทรกเตอร์บริโภค เส้นทึบเป็น 1: 1 ความสัมพันธ์; เส้นประเป็น CV ±รอบที่1:. สาย 1 0 5 10 15 20 25 ข้อมูลโดยประมาณของการบริโภคน้ำมันเชื้อเพลิง (แกลลอนต่อชั่วโมง-1) ข้อมูลที่เป็นจริงของการบริโภคน้ำมันเชื้อเพลิง (แกลลอนต่อชั่วโมง-1) รูป 5. แผนภาพแทนเกินไปและประเมินข้อมูลการบริโภคน้ำมันเชื้อเพลิง. 2110 เอฟ Rahimi-Ajdadi วาย Abbaspour-Gilandeh / การวัด 44 (2011) 2104-2111 คนอื่น ๆ

ผลลัพธ์ (ไทย) 3:

กลับแพร่
เครือข่ายประสาทกับขั้นตอนวิธีการฝึกอบรมหกที่แตกต่างกัน
ได้รับให้เหมาะสมสำหรับพยากรณ์ปริมาณการใช้เชื้อเพลิง แอนกับขั้นตอนวิธีการฝึก

levenberg –มาร์คว 2 ชั้นซ่อนละ 10 เซลล์ประสาท
นำเสนอที่ถูกต้องกว่าในการจำลองเมื่อเทียบกับตารางที่ 4

สมการถดถอยแบบหลายช่วง ซึ่งสร้างขึ้นเพื่อประเมินประสิทธิภาพของพารามิเตอร์และรถแทรกเตอร์สิ้นเปลืองเชื้อเพลิง เมื่อเทียบกับ แอน โมเดล รูปแบบสมการ R2

ขั้นตอนความถูกต้อง ( % )


ช่วงถดถอยแบบขั้นตอน ( stepwise multiple 1 รถแทรกเตอร์พลัง FC = 0.062pd 0.992 0.954 86.60
2 พลังอำนาจ 0.052pd PTO รถแทรกเตอร์ FC = 0.01pp 0.621 0.963 86.74
3พลังอำนาจเค้นสภาพรถแทรกเตอร์ PTO FC = 0.039pd 0.019pp  0.596t 1.668 0.972 90.84
4 พลังอำนาจสภาพเครื่องยนต์รถแทรกเตอร์ PTO เค้นความเร็ว FC = 0.039pd 0.017pp  0.597t 1.457  10  5S 0.177 0.972 90.73
5 พลังอำนาจเค้นความเร็ว PTO รถแทรกเตอร์ สภาพเครื่องยนต์ทดสอบน้ำหนักรวม

FC = 0.038pd 0.017pp  0.6t  5.145  10  6S 1.943  10  5wt 1.432 0.973 91.00
แอน– 0.986 93.77
PD : รถแทรกเตอร์ไฟฟ้า , PP : PTO พลังงาน , T : เงื่อนไขเค้นและ s : ความเร็วเครื่องยนต์
ประมาณการสิ้นเปลืองเชื้อเพลิง ( Gal ส่วน )
ข้อมูลที่แท้จริงของการใช้เชื้อเพลิง ( Gal
ส่วน ) รูปที่ 4 ข้อมูลที่แท้จริง ( จาก nttl ) เมื่อเทียบกับการประมาณการของปริมาณการใช้เชื้อเพลิง
รถแทรกเตอร์ เส้นทึบ เป็น 1 : 1 ความสัมพันธ์ ; เส้นประเป็น± CV
รอบ 1 : 1 บรรทัด .
0 5 10 15 20 25
ประมาณการของปริมาณการใช้เชื้อเพลิง ( Gal ส่วน )
ข้อมูลที่แท้จริงของการใช้เชื้อเพลิง ( Gal ส่วน )
รูปที่ 5 แผนภาพแสดงข้อมูลและประเมินค่าต่ำไป

4 F . rahimi สิ้นเปลืองเชื้อเพลิง ajdadi Y abbaspour gilandeh / วัด 44 ( 2011 ) 2104 – 2111
คนอื่น