《表1 层数对预测结果的影响》

  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

《基于特征排序与深度学习的母线负荷预测方法》

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

DBN的超参数包括神经元个数、隐含层个数和训练代数。合理地配置DBN中的超参数将获得最佳预测结果。权值数目和训练时间分别作为时间和空间复杂程度的衡量标准。表1分析了不同隐含层在测试集上的预测效果:当模型含有2层隐含层时，测试样本的MAPE为最优（2.561%），说明含有2层隐含层的模型架构与当前数据情况最匹配；当隐含层为3层时，MAPE随之下降，因为模型过于复杂而产生了过拟合。