R 神经网络模型训练误差

我刚开始学R，我真的很喜欢，但最近我发现自己陷入了困境。我想建立预测热量消耗的神经网络模型。我有包含外部空气温度（模型输入）和热需求值（模型输出）的历史数据，单位为兆瓦（过去4年的每小时数据）。我想使用我的模型根据气温天气预报（也是24小时前）预测未来24小时的热量需求。这是我的密码：

data <- read.delim("C:/.../data.csv", dec=",")
require(neuralnet)
trainset<-data[1:26208,]
testset<-data[26209:26232,]
net<-neuralnet(heat~temp,trainset,hidden=5,threshold=0.01)

---

data谢谢您的评论。在阅读了你提供的材料后，我认为

我再次尝试使用不同的神经网络配置和更小的数据集：

> trainset<-data[1:1000,]
> testset<-data[1001:1024,]
> net<-neuralnet(heat~temp,trainset,hidden=2,threshold=0.01)
> temp_test<-subset(testset,select=temp)
> net.results<-compute(net,temp_test)
> results<-data.frame(actual=testset$heat,prediction=net.results$net.result)
> View(results)

>列车集测试集网络温度\u测试网络结果视图（结果）

因此，我假设我的收敛问题是由模型配置（隐藏神经元的数量）和训练数据集观察数量之间的关系引起的。
这可能的重复也会对您有所帮助。收敛与理解算法和数据有关：