集成极限学习机的中小河流洪水预报方法研究

摘要：

为利用水文现象相似性和极限学习机(ELM)集成学习提高洪水预报精度,提出了一种基于相似度匹配的集成ELM洪水预报方法(SM-ELM).方法首先从多个ELM模型中,为每一个训练样本找到最优的ELM模型,然后从训练集中,为测试样本匹配出最相似的前k个训练样本,最后利用这k个训练样本分别对应的最优ELM模型,对测试样本采用加权平均法进行集成预报.为证明提出方法的可行性和有效性,以昌化流域的历史洪水为例进行了验证.结果表明,相对于单个ELM,集成ELM模型能有效地提高预测精度.从均方根误差上看,集成ELM模型性能比单个ELM模型提升了10％～15％.在三种集成方法中,SM-ELM能够以较少的模型数量获得较高且稳定的预报精度.

关键词：相似性、极限学习机、集成学习、洪水预报

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：公益性行业科研专项201501022;江苏省重点研发计划项目BE2015707

在线出版日期：2018-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72