《表2 隐藏层数不同时LSTM网络的测试结果比较》

  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

《基于自适应集成神经网络的火灾预测方法》

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

时间步长表示时间序列中数据之间的关联度。从表1可以看出，当其他参数相同时，随着时间步长的增加，网络的预测精度逐渐提高，但当时间步长增加到一定程度时，网络的预测精度因数据之间的相关性减小而降低。表2显示了网络深度对预测精度的影响。可以看出网络中隐藏层的数量越多，网络性能越好，同时也导致测试时间的增加。当隐藏层数增加到一定程度时，网络的预测性能不会有明显的提高，但测试时间会增加很多。对于表3中神经元数量的测试结果也是如此。综合考虑网络的预测精度和测试时间，火灾监测模型中LSTM神经网络每层的隐藏层数、时间步长和隐藏层神经元数分别设置为3、10和100。依次将数据样本输入网络进行训练和测试。