从图中NeuralNetwork可以看出,你的网络结构是两个隐含层,2-3-1-1结构的网络,算法是traindm,显示出来的误差变化为均方误差值mse。经过482次迭代循环完成训练,耗时5秒。
相同计算精度的话,训练次数越少,耗时越短,网络结构越优秀。
达到设定的网络精度0.001的时候,误差下降梯度为0.0046,远大于默认的1e-5,说明此时的网络误差仍在快速下降,所以可以把训练精度目标再提高一些,比如设为0.0001或者1e-5。
谷歌人工智能写作项目:神经网络伪原创
根据训练好的BP神经网络模型,对区内6个点2005~2015年的年沉降量进行预测(图8.36)好文案。从图8.36中可以看出,随着开采量的减小,水位的上升,各点的年沉降量逐渐减小,变化趋势也基本一致。
预测到2015年,各点的年沉降量比2004年减小了21.8~56.8mm;年沉降量最大的点是位于芦台镇附近的CJ6,沉降量为21.6mm;年沉降量最小的点是位于研究区西侧的CJ2,沉降量只有6.6mm。
图8.36 各监测点年沉降量预测图以2004年各个监测点的实测累积沉降量为起点,将神经网络预测的年沉降量进行累加