人工神经网络没有学习训练样本的较低值

Question

我正在尝试训练人工神经网络，但直到现在它还没有学习训练样本的较低值。我尝试使用不同的python库来训练ANN。目的是预测来自其他天气参数的太阳辐射（回归问题）。我认为人工神经网络将较低的值（冬季/阴天）与夜间值（可能）混淆。我尝试了以下但没有一个工作;

1. 在不同值之间缩放数据，例如[0,1]，[ - 1,1]
2. 将数据标准化为零均值和单位差异
3. 改组数据
4. 增加训练样本（从3年到10年）
5. 使用不同的列车功能（例如bfds，gdm）
6. 尝试不同的传输功能（例如LogSig，TanSig）
7. 使用少量输入变量
8. 改变隐藏层和隐藏层的神经元

以下是使用neurolab的代码，但我也使用了nolearn / lasagne，但它也没有用。

f = np.loadtxt('C:\Users\ABC.txt')
input = f[:,:8]
output = f[:,8:]
size = len(input)
output3=output
input3=input
norm_inp = nl.tool.Norm(input)
input4 = norm_inp(input)
norm_out = nl.tool.Norm(output)
output4 = norm_out(output)
net = nl.net.newff([[0, 1], [0, 1], [0, 1],[0,1],[0,1],[0,1],[0,1],[0,1]],[100, 1])
net.trainf = nl.train.train_bfgs
net.layers[0].transf= nl.trans.LogSig()
#net.layers[1].transf= nl.trans.LogSig()
error = net.train(input4, output4, epochs=1000, show=10, goal=0)
networksave = net.save('netD1.dat')

请参阅下文，我得到的一些结果。关于我可能做错什么或任何方向尝试的任何想法？