基于GA-ELM算法的城市短期用水预测

• 作者: 刘心 李文竹 辛珂
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 遗传算法 极限学习机 短期用水量 预测模型
• 年，卷（期）: 2020,（13）
• 页码范围: 217-220
• 页数: 4页
• 分类号: TV213

摘要

准确的短期用水预测是优化供水系统的基础,对城市水资源实时调度和城市供水系统调度有着重要意义。为了克服传统的神经网络预测模型训练时间长、易于陷入局部最优的预测结果,且在少量数据样本情况下预测精确度不足的缺点,本文提出了一种基于遗传算法-极限学习机的城市短期用水预测方法。在引入相关影响因素的基础上,用擅长全局搜索和并行搜索的遗传算法对极限学习机参数进行寻优。结果表明,本模型的预测精度较高,日均绝对百分比误差仅为2.19%,具有较强的实用价值,为未来水资源实时调度提供理论依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文竹		21	26	3.0	4.0
2	刘心		22	26	3.0	3.0
3	辛珂		2	0	0.0	0.0