基于多层感知机的船舶油耗预测模型如何去改良？

Question

该多层感知机网络的输入特征有风速，吃水，舵角等多项传感器数据，输出只有油耗预测一项。
本人使用TensorFlow构建模型的代码如下：

import pandas as pd
from matplotlib import pyplot as plt
from sklearn.model_selection import train_test_split
import tensorflow as tf
from keras.callbacks import EarlyStopping, ModelCheckpoint

ENV = pd.read_csv(r"C:\Users\14013\Desktop\数据预处理\大表\datas15one.csv")
features = ENV.iloc[:,[6,7,8,9,11,13,14,15]]
target= ENV.iloc[:,[0]]

features_train,features_test, target_train, target_test =train_test_split(features,target,test_size=0.2)

model = tf.keras.Sequential([tf.keras.layers.Dense(8,input_shape=(8,)),
                             tf.keras.layers.Dense(32,activation='tanh'),
                             tf.keras.layers.Dense(32,activation='tanh'),
                             tf.keras.layers.Dense(1)])
    
model.compile(optimizer = 'adam',
              loss = 'mse' # 均方误差
)

callbacks = [EarlyStopping(monitor="val_loss",patience=20,min_delta=0,verbose=2,mode="min"),
             ModelCheckpoint(filepath="best_model.h5",monitor="val_loss",save_best_only=True)]

history=model.fit(features_train,target_train,
                    epochs=15000,
                    verbose=1,
                    callbacks =callbacks,
                    validation_data=(features_test,target_test))

如何从模型结构和训练方法上改良这个感知机模型？（本科生毕设导师要求有创新性，苦啊！）

注：改良方法里不包括：正则化，提前停止，dropout，单纯改感知机内参数的方法。

PS:本人这个毕设感知机网络做的手足无措，若有贵人相助，必重金酬谢。若有意，请在CSDN上请联系我。

Answer 1

这个可以有，你把数据集发给我吧