10.3969/j.issn.1003-6504.2016.05.026
基于粒子群优化极限学习机的水质评价新模型
河流水质实时评价技术对当前河流水资源管理和保护具有重要意义.该文以淮河水质为例,利用粒子群优化的极限学习机(Particle Swarm Optimization-Extreme Learning Machine,PSO-ELM)分类算法对淮河水质进行类别判定.在极限学习机(ELM)分类算法中随机给定输入权值矩阵和隐含层偏置,需要较多的隐含层节点才能达到所需的精度要求,隐含层节点过多易于出现过拟合现象并增加算法的计算量.该文利用粒子群算法(PSO)优化极限学习机的输人权值矩阵和隐含层偏置,计算输出权值矩阵,以减少隐含层节点.通过对比PSO-ELM、ELM这2种算法发现,PSO-ELM算法以较少的隐含层节点可获得更高的精度,降低了对实验样本的需求量,提高了模型的拟合能力.实验结果表明,PSO-ELM对于水质类别判定具有一定的可行性和有效性.
粒子群优化、极限学习机、水质评价、权值、隐含层
39
X824;TP18(环境质量分析与评价)
国家自然科学基金;上海市自然科学基金;上海市教委科研创新项目
2017-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
135-139