基于遗传算法优化极限学习机模型的干旱预测——以云贵高原为例

• 作者: 刘振男 周正模 和鹏飞 曾天山 杜尧 韩幸烨
• 来源期刊: 人民长江
• 学科: 地球科学
• 关键词: 干旱预测 GA-ELM SPEI 云贵高原
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 防洪减灾
• 页码范围: 13-18
• 页数: 6页
• 分类号: P338
• 字数: 4378字
• 语种: 中文
• DOI: 10.16232/j.cnki.1001-4179.2020.08.003

摘要

为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机(GA-ELM)模型进行干旱预测.以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)模型、极限学习机(Extreme Learning Machine,ELM)模型的预测结果进行比较.结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	和鹏飞	河海大学水文水资源学院	3	2	1.0	1.0
2	刘振男	贵州理工学院土木工程学院	13	11	2.0	2.0
3	杜尧	河海大学水文水资源学院	5	12	2.0	3.0
4	韩幸烨	河海大学水文水资源学院	3	2	1.0	1.0
5	周正模	河海大学水文水资源学院	3	4	1.0	2.0
6	曾天山	河海大学水文水资源学院	2	0	0.0	0.0