《表1 不同隐藏神经元数的预测值与实测值的拟合结果》

  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

《基于神经网络的玛纳斯河流域植被地上生物量反演》

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

注:R-square代表曲线拟合决定系数，Adjusted R-squared代表改良后的曲线拟合决定系数，RMSE代表标准差，Corrcoef代表预测值与实测值的线性相关系数。

从图3可以看出:模型预估的生物量与实测生物量相关性较高，当隐藏的神经元数较小或较大时，神经网络模型的精度都会有所降低。为了清楚直观地表达神经网络模拟生物量的精度，笔者将神经网络预测值与实测值进行数据拟合。拟合函数有:指数函数（Custom Equation）、傅里叶函数（Fourier）、高斯函数（Gauss）、插值函数（Interpolant）、多项式函数（Polynomial）、幂函数（Power）和正弦函数（Sum of Sin）。通过比较，选择拟合效果最好的函数值作为该隐藏神经元下神经网络预测模型的拟合函数，与之对应的相关系数作为预测模型精度的评判标准。表1为不同隐藏神经元数的预测值与实测值的拟合结果。