基于在线序列-极限学习机的干旱预测

• 作者: 刘振男 周靖楠
• 来源期刊: 人民珠江
• 关键词: 极限学习机 在线序列 干旱 预测因子
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 规划科研
• 页码范围: 84-87
• 页数: 4页
• 分类号: TV124
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2018.08.019

摘要

极限学习机在干旱预测时,通常将作为预测因子的历史数据固化的导入到模型中进行训练,而忽略了不同阶段产生的数据在模型训练中的作用和效果.因此,基于在线更新理论构建了在线序列-极限学习机预测模型,该模型在参数训练更新时,预测因子数据是按不同批次逐步导入到模型进行训练,大大降低了计算机资源占用率,且选用标准降水指数作为干旱评价指标对研究区域进行了预测.结果表明:在线序列-极限学习机较极限学习机的预测精度与稳定性有了大幅度的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周靖楠		6	5	2.0	2.0
2	刘振男		13	11	2.0	2.0