基于遗传算法优化极限学习机模型的干旱预测——以云贵高原为例

发布时间：2022-11-06 14:11

　　为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机（GA-ELM）模型进行干旱预测。以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统（Adaptive Neural Fuzzy Inference System,ANFIS）模型、极限学习机（Extreme Learning Machine,ELM）模型的预测结果进行比较。结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型。 

【文章页数】：6 页

【文章目录】：
1 研究区概况
2 研究方法
3 GA-ELM模型构建与应用
    3.1 模型构建
    3.2 模型应用
        3.2.1 输入与输出变量
        3.2.2 参数标定
            (1) ELM主要有3个参数需要设置。
            (2) GA采用了常用的参数设置标准。
        3.2.3 精度评价指标
        3.2.4 干旱预测
4 GA-ELM模型适用性评价
5 结 论


【参考文献】：
期刊论文
[1]基于GA-ELM的城市轨道交通工程投资估算方法研究[J]. 张飞涟,梁秀峰.  铁道科学与工程学报. 2019(07)
[2]基于在线序列-极限学习机的干旱预测[J]. 刘振男,周靖楠.  人民珠江. 2018(08)
[3]基于自适应差分进化算法优化极限学习机的干旱预测方法[J]. 周靖楠,刘振男.  水电能源科学. 2018(06)
[4]基于GA-ELM神经网络的日前电价预测[J]. 郑健,曹炜.  上海电力学院学报. 2018(01)
[5]基于极限学习机的干旱区潜在蒸发量模拟[J]. 王婷婷,冯起,温小虎,郭小燕.  中国沙漠. 2017(06)
[6]基于GA-ELM的瓦斯涌出量预测[J]. 韩义波.  煤矿安全. 2015(04)
[7]基于GA-ELM的冲击地压危险性预测研究[J]. 朱志洁,张宏伟.  中国安全生产科学技术. 2014(08)
[8]基于遗传算法优化的支持向量机干旱预测模型[J]. 迟道才,张兰芬,李雪,王堃,吴秀明,张特男.  沈阳农业大学学报. 2013(02)
[9]中国近1000年重大干旱事件[J]. 张德二.  气象知识. 2004 (06)

博士论文
[1]大数据环境下遥感图谱应用方法研究[D]. 叶思菁.中国农业大学 2016

硕士论文
[1]干旱区作物参考蒸发蒸腾量ANFIS预测模型研究与分析[D]. 李志磊.新疆大学 2017
[2]干旱灾害对农村经济的影响研究[D]. 李金鑫.合肥工业大学 2013



本文编号：3703640