近年来，基于神经网络的机器学习方法广泛应用于偏微分方程数值求解。我们提出了一种基于神经网络的偏微分方程求解高精度方法，该方法可以较低的训练代价实现高精度，且不需要人为调整参数。数值实验表明，大多数测试所需训练次数在2000以内，对某些测试的误差甚至能低于1.0e-10. 数值实验表明，在计算精度和训练代价方面，我们方法的性能显著超过了PINN和DGM.