基于自适应差分进化算法优化极限学习机的干旱预测方法

• 作者: 刘振男 周靖楠
• 来源期刊: 水电能源科学
• 学科: 地球科学
• 关键词: 极限学习机 适应差分进化算法 干旱 SSTA 预报因子
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 水文水资源与环境
• 页码范围: 6-9
• 页数: 4页
• 分类号: P338+.9
• 语种: 中文

摘要

针对极限学习机在实际应用时随机选取初始权值与阈值易导致其稳定性弱及泛化能力差的问题, 利用自适应差分进化算法对其进行改进, 构建了自适应差分进化极限学习机预测模型, 并选用海表异常温度作为该模型的输入因子, 对研究区域的干旱进行预测.结果表明, 以海表异常温度作为模型的输入因子, 应用极限学习机能有效地进行干旱预测, 通过自适应差分进化算法优化的极限学习机应用于干旱预测, 其精度与稳定性均有所提高.

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