极限学习机在湖库总磷、总氮浓度预测中的应用

• 作者: 崔东文
• 来源期刊: 水资源保护
• 学科: 地球科学
• 关键词: 极限学习机 人工神经网络模型 GA-BP BP RBF 水质预测 湖库
• 年，卷（期）: 2013,（2）
• 页码范围: 61-66
• 分类号: X502|O242.1
• 字数: 4504字
• 语种: 中文
• DOI: 10.3969/j.issn.10046933.2013.02.013

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔东文		90	901	17.0	26.0