改进型极限学习机模型在粮食产量预测中的应用

摘要：

为了提高粮食产量的预测精度和时效性,论文提出一种基于增长极限学习机(GELM)的粮食产量预测方法.该方法以极限学习机(ELM)为理论框架,针对ELM中隐节点数目L优化问题,在L递增情况下,推导输出权重广义逆矩阵的递推更新公式,避免了ELM在不同L下重复计算输出权重广义逆矩阵的问题,降低ELM的计算量,继而提出GELM算法.最后给出粮食产量GELM预测方法流程.以1960-2015年我国粮食产量为实验数据,结果表明,相比于ELM和支持向量机(SVM),GELM的预测准确性高于SVM,与ELM相差不大,但GELM的耗时明显低于ELM和SVM.

关键词：极限学习机、时间序列预测、广义逆矩阵、粮食产量、神经网络

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：新疆维吾尔自治区科技厅项目编号:2017D01B09

在线出版日期：2020-01-17（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：1283-1286,1302