《表2 不同隐含层节点BP神经网络模型的决定系数R2和均方根误差ERMS》

  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

《基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算》

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

理论上已经证明[23-24]，具有偏差和至少一个S型隐含层加上一个线性输出层的网络，能够逼近任何有理函数。因此本文采用的是3层BP（BackPropagation）人工神经网络，即1个输入层、1个隐含层和1个输出层，模型的构建通过Matlab R2014a软件实现建立3层神经网络模型，分别以归一化遥感反射率R（580）、R（585）、R（590）、R（595）作为输入层的四个神经元，以ag（400）为输出层唯一的神经元（如图4所示），隐含层传递函数选择S型正切函数“tansig”，输出层函数选择线性函数“purelin”，训练函数采用“traingd”，采用设定最大训练次数为10 000次，学习率为0.3，训练误差为0.001。隐含层结点的确定是BP神经网络模型的关键步骤，目前尚未有研究给出统一的算法，但确定隐含层节点数的基本原则是在满足精度要求的前提下，取尽可能少的隐含层节点数[15]。本文设置1～10个隐含层节点，试验确定隐含层的最佳节点数，分别对各节点数的神经网络模型进行网络训练，计算测试样本实测值和预测值的决定系数R2和均方根误差，从而选出最佳节点数。其中均方根误差ERMS（28）N?（7）yi-xi（8）2，yi表示反演值，xi表示实测值，N为样本的总个数。表2显示了不同隐含层节点数的BP神经网络预测值与实测值的决定系数R2和均方根误差ERMS。通过比较发现节点数为8时，ERMS最低，R2最大，说明隐含层节点数为8时BP神经网络模型效果最佳。