一种优化极限学习机的果园湿度预测方法

• 作者: 匡亮 华驰 施珮 邓小龙
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 无线传感网 湿度 粒子群优化 极限学习机 预测算法
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 418-423
• 页数: 6页
• 分类号: TP391
• 字数: 4616字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2019.03.017

摘要

针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文在果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM).该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维.然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试.以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性.实验结果表明,该预测算法的RMSE、MAPE和MAE分别为0.5038、0.0051和0.3974,能较好的预测环境湿度信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华驰	江苏信息职业技术学院物联网工程学院	38	167	7.0	11.0
3	邓小龙	江苏信息职业技术学院物联网工程学院	19	61	5.0	6.0
4	匡亮	江苏信息职业技术学院物联网工程学院	6	5	2.0	2.0
6	施珮	中国水产科学研究院淡水渔业研究中心农业部淡水渔业和种质资源利用重点实验室	6	14	2.0	3.0