极限学习机在机场旅客吞吐量预测中的应用

摘要：

极限学习机(ELM)是一种新型单馈层神经网络算法,在训练过程中只需要设置合适的隐藏层节点个数,随机赋值输入权值和隐藏层偏差,一次完成无需迭代.结合遗传算法在预测模型参数寻优方面的优势,找到极限学习机的最优参数取值,建立成都双流国际机场旅客吞吐量预测模型,通过对比支持向量机、BP神经网络,分析遗传-极限学习机算法在旅客吞吐量预测中的可行性和优势.仿真结果表明遗传-极限学习机算法不仅可行,并且与原始极限学习机算法相比,在预测精度和训练速度上具有比较明显的优势.

关键词：极限学习机、遗传算法、旅客吞吐量、预测模型

所属期刊栏目：24

分类号：TP3;TP1

资助基金：国家自然科学基金民航联合基金U1233105

在线出版日期：2016-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：257-261