《表2 训练数据：基于DeepAR-RELM的池塘溶解氧时空预测方法研究》

  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DeepAR-RELM的池塘溶解氧时空预测方法研究》

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

本文搭建含有两层长短期记忆网络（Long short-term memory，LSTM）隐藏层的Deep AR模型，隐藏层神经元个数均为40，批处理尺寸为32，优化器选择Adam，学习率为0.01，Dropout参数为0.1，模型迭代次数为500。RELM模型的隐藏层激活函数为Sigmoid函数，利用网格搜索方法[24]确定正则化系数λ=0.2和隐藏层节点数量L=10，其网络拓扑结构为4 10 1。RELM模型的部分训练数据如表2所示。