《表1 隐藏单元数量对RMSE的影响》
模型超参数的不同取值对模型预测性能将产生一定影响,主要包括迭代次数、网络深度、学习率、输入层的向量大小、隐藏层单元数量、批尺寸等超参数[19]。本实验采用Adam优化器,手动设置学习率为0.001,批尺寸为64,迭代次数为300。为了最小化隐藏单元数量的不同取值对STAQI模型预测性能产生的客观影响,将从[8,16,32,64,100,128]中选择不同的隐藏单元数量进行实验,结果如表1所示。在固定α取值为0.5时,当增加隐藏单元数量时,RMSE值先降低后增加。这主要是因为当隐藏单元数量大于一定阈值时,模型复杂度和计算难度大大增加,从而增加了预测误差。当隐藏单元数量为64时,RMSE误差值最小,因此在实验中将LSTM模型与GRU模型中的隐藏单元数量设置为64。
图表编号 | XD00189110200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 黄伟建、李丹阳、黄远 |
绘制单位 | 河北工程大学信息与电气工程学院、河北工程大学信息与电气工程学院、河北工程大学信息与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |