基于PSO优化极限学习机神经网络的空气质量预报

• 作者: 庄玉册 黎蔚
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 粒子群算法 极限学习机 空气质量指数 神经网络 相对误差 遗传算法 差分进化算法 人群搜索算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 213-217
• 页数: 5页
• 分类号: TM343
• 字数: 2891字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2020.02.17

摘要

为了提高空气质量预测精度,提出一种基于粒子群算法优化极限学习机的空气质量预测模型.运用粒子群算法优化极限学习机的初始权值和偏置,在保证预测误差最小的情况下实现空气质量最优预测.选择平均绝对百分比误差、均方根误差和平均绝对误差作为评价指标,通过PSO-ELM、GA-ELM、SOA-ELM、DE-ELM和ELM五个模型预测结果对比发现,PSO-ELM可以有效提高空气质量预报的预测精度,可为空气质量预测提供新的方法和途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎蔚	河南科技大学信息工程学院	32	233	8.0	13.0
2	庄玉册	信阳学院数学与信息学院	6	4	1.0	2.0