10.3969/j.issn.2095-2716.2020.01.010
基于深度极限学习机的水质预测研究
根据河北省某水厂数据,建立了基于MATLAB技术的深度极限学习机模型(简称D-ELM),并通过该模型对水质的p H值、浊度(NTU)和耗氧量3个指标进行了预测分类.通过D-ELM与极限学习机(简称ELM)和BP网络模型相互比较.研究结果表明,深度极限学习机的精度比极限学习机提高6.7%,预测时长比极限学习机缩短0.486 s.而深度极限学习机的精度比BP网络模型提高了26.7%,同时预测时长比BP网络模型缩短2.707 s.从而说明深度极限学习机对水质预测的合理性和可行性,其在自来水水质预测分类中具有更高的应用价值.
深度极限学习机、模型、BP网络、预测分类
42
X52;TP183(水体污染及其防治)
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
51-57