《表4 预报结果展示：基于机器学习的脉动源格林函数预报初探》

  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

《基于机器学习的脉动源格林函数预报初探》

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

预报结果的误差分析（误差绝对值取负对数）如图7所示。由图7可知在区域边缘附近，误差扰动往往比较大，实际应用过程中这一区域要做特殊处理。结果表明sigmoid激活函数和Adam优化算法可以加快模型训练速度和预报精度。其他条件一定时，增加神经网络模型深度会增加训练时间，但拟合精度大致不变。模型1预报误差有99.81%在10-4至10-6之间，预报误差小于10-5的比例为66.21%，这个精度可以满足水动力计算需求。模型1部分预报结果展示如表4所示。