我有一些数据告诉我特定城镇可用水的小时数。你可以在这里看到
我想使用基于该数据的多层感知器来训练，取一组坐标并指示该坐标有水的大约小时数。
这有意义吗?如果是这样，我说得对吗，必须有两个输入层?一个是晚一点的，一个是长一点的。输出层为小时数。
希望得到一些指导。
我会用不同的方式解决:
创建一个WaterInfo的数组列表:WaterInfo包含时间，时间，时间。
然后，对于给定的坐标，搜索列表中最近的WaterInfo。
由于元素不多，所以只需进行蛮力搜索，找到最接近的元素。您可以进一步优化，找到三个最接近的WaterInfo点，并计算WaterHours的加权平均值。作为权重，您使用从当前位置到Waterinfo位置的空气距离。
回答你的问题
"这有意义吗?"
从目标得到一个可行的解决方案:NO!问问你自己，为什么你想用MLP来完成这项任务。
进一步，我怀疑用两层来表示lat/long是否有意义。
坐标(纬度/经线)是世界上的一个点，所以它应该是模型中的一个层。您可以将经纬线转换为单元格标识符:跨越巴西的网格;小区宽度为10或50km;现在将纬度/长度坐标转换为cellId:就像棋盘上的E4一样，您将计算一个表示单元格的整数值。
(也有其他的方法来获得唯一的号码，选择一个你喜欢的)
现在你有一个模型geoCellID -> waterHours，它更好地代表了真实世界的情况。