10.3969/j.issn.1000-0852.2018.01.011
集成极限学习机的中小河流洪水预报方法研究
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.
相似性、极限学习机、集成学习、洪水预报
38
TP391(计算技术、计算机技术)
公益性行业科研专项201501022;江苏省重点研发计划项目BE2015707
2018-03-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-72