Comparing the Selected Transfer Functions and Local Optimization Methods for Neural Network Flood Runoff Forecast

Table 6

The results of persistency index on analyzed optimization algorithms, the best models are marked with bold fonts. The MLP architecture with 𝑁_hd=𝐾 labeled as 4-K-1, the best models are marked with bold font.

	ntrain	ntest	nval	PI_train	PI_test	PI_val	mPI_train	mPI_test	mPI_val
4-3-1
FLET	298	225	111	0.67	0.52	0.14	0.33	0.24	0.07
HEST	114	91	26	0.64	0.57	0.14	0.26	0.23	0.07
PER	1045	716	408	0.72	0.56	0.32	0.40	0.26	0.08
POL	89	63	16	0.52	0.49	0.26	0.24	0.20	0.08
LM	816	511	130	0.84	0.61	0.25	0.48	0.27	0.09
BP	505	371	171	0.63	0.53	0.23	0.34	0.25	0.07
BP_regul	486	229	99	0.63	0.54	0.26	0.26	0.24	0.09
4-4-1
FLET	395	292	151	0.63	0.54	0.28	0.33	0.25	0.08
HEST	186	130	21	0.64	0.49	0.16	0.25	0.21	0.06
PER	1107	755	416	0.75	0.60	0.22	0.43	0.27	0.09
POL	112	92	22	0.66	0.52	0.21	0.27	0.20	0.08
LM	819	550	119	0.88	0.61	0.25	0.54	0.29	0.09
BP	579	417	216	0.66	0.57	0.21	0.38	0.27	0.08
BP_regul	578	251	99	0.72	0.55	0.25	0.30	0.24	0.08
4-5-1
FLET	413	288	157	0.77	0.52	0.18	0.33	0.25	0.08
HEST	217	165	39	0.62	0.47	0.16	0.28	0.22	0.07
PER	1168	787	453	0.77	0.56	0.31	0.43	0.27	0.09
POL	117	86	15	0.63	0.47	0.12	0.25	0.24	0.07
LM	859	570	91	0.89	0.61	0.32	0.55	0.28	0.09
BP	606	451	225	0.68	0.55	0.21	0.37	0.25	0.08
BP_regul	643	291	143	0.71	0.61	0.29	0.31	0.24	0.10
4-6-1
FLET	451	342	180	0.68	0.56	0.21	0.33	0.25	0.07
HEST	218	178	42	0.66	0.51	0.14	0.26	0.21	0.06
PER	1181	838	468	0.82	0.59	0.23	0.43	0.28	0.08
POL	153	114	31	0.68	0.53	0.19	0.28	0.20	0.09
LM	839	579	86	0.89	0.61	0.19	0.55	0.29	0.06
BP	621	484	256	0.67	0.59	0.23	0.39	0.26	0.07
BP_regul	679	306	126	0.66	0.59	0.24	0.32	0.25	0.09