《表7 不同数据规模下单次计算平均用时》

  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

（μs）

单次计算平均用时，指在不同的预报数据的规模下，全部完成预报的用时与数据规模的比值，表示多次计算的平均用时。python中的矩阵计算依赖于numpy函数库，对向量和矩阵的计算进行了优化加速。神经网络模型在进行较大规模数据的预报时，进行前馈网络的逐层计算，等价于多个矩阵计算。算法在预报时将全部输入视为大规模矩阵进行加速，在数据规模更大时，神经网络算法会表现出更好的性能，单次计算的平均用时更短。而这也是机器学习算法的优势，数据库以及训练算法一旦形成，可以广泛应用于不同对象，而不需要每次都重新计算。预报效率的对比如表7所示。