我们正在尝试用人工神经网络替换现有的物理模型（8 个输入/7 个输出）。现有模型背后的物理主要是用于空调的湿空气的热力学，其中涉及一些涡轮机械，这很可能在输入和输出之间产生复杂的函数。

一种方法已经完成：单输出神经网络（10 NN 具有相同的#隐藏层但不同的参数，如批量大小、#epochs、优化器等）。然后使用某种堆叠集成：每个预测都用作单个 NN 的新输入，以预测最终值。

准确度很好，但是，有些测试数据点的绝对误差高到足以担心预测值（这可以用于例如空调控制策略，因此预测不好会导致不受控制系统）。

为了提高准确性，一些同事建议让它更简单，只使用单个神经网络执行多输出回归。

从数学的角度来看，我有以下问题：

1. 单个输出 NN 堆叠集成是否会优于多输出单个 NN？
2. 使用 NN 进行堆栈集成的方式是一种好方法吗？我看到了一些不同的技术，比如算术平均输入

谢谢你的时间！问候