10.3969/j.issn.10046933.2013.02.013
极限学习机在湖库总磷、总氮浓度预测中的应用
基于传统BP人工神经网络模型训练速度慢、参数选择困难、易陷入局部极值等问题,提出极限学习机(ELM)的水质预测模型.以云南某水库为例,选取NH3-N、NO-2-N、NO-3-N、CODMn和水体透明度作为网络输入,TP、TN作为输出,构建基于ELM的湖库TP、TN预测模型,并将ELM预测结果与传统BP、GA-BP、RBF人工神经网络模型模拟结果进行比较.结果表明,ELM模型预测精度高于传统BP和RBF模型模拟结果,甚至略高于GA-BP模型的预测精度,并且ELM模型具有参数选择简便、训练速度快、不会陷入局部最优值等特点,有着较大的计算优势.
极限学习机、人工神经网络模型、GA-BP、BP、RBF、水质预测、湖库
X502;O242.1(一般性问题)
2013-04-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
61-66