利用灰色关联极限学习机预报日长变化

• 作者: 蔡宏兵 赵丹宁 雷雨
• 来源期刊: 中国科学院大学学报
• 学科: 地球科学
• 关键词: 日长变化 预报 灰色关联分析 极限学习机 神经网络
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数学与物理学
• 页码范围: 588-593,604
• 分类号: P227.1
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2015.05.003

摘要

针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络——极限学习机(extreme learning machine,ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis,GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷雨	中国科学院国家授时中心	44	234	9.0	12.0
10	赵丹宁	中国科学院国家授时中心	25	136	7.0	10.0
14	蔡宏兵	中国科学院国家授时中心	16	61	5.0	6.0