《表6 ANN模型不同隐层及节点设置对测试结果的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于双隐层ANN模型的叶绿素a浓度智能预报方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：E∑*为标准归一化数据误差.

试验过程中，网络隐含层神经元节点数的不同设置会对模型输出结果造成显著差异。隐层神经元节点设置数量过少，对信息的提取能力会产生不足，造成预测误差偏大；节点设置过多，对信息处理又会出现过拟合现象，将原始数据的噪音信号转变为特征信号，造成模型最终泛化能力不强（见表6）。通过对网络隐含层节点数以及网络参数反复试验[12]，单隐层ANN网络结构为5-5-1时预测检验效果最优（即输入节点5个，隐层神经元节点5个，输出节点1个），测试集的总误差达到最小值0.006 7，双隐层ANN网络结构为5-10-10-1时预测检验效果最优，测试集的总误差达到最小值0.005 1。