[发明专利]一种融合分布估计算法与极限学习机的干旱智慧预测方法有效
| 申请号： | 201911050246.9 | 申请日： | 2019-10-31 |
| 公开（公告）号： | CN110991600B | 公开（公告）日： | 2020-09-22 |
| 发明（设计）人： | 李琼芳;杜尧;刘振男;陈启慧;周正模;和鹏飞;曾天山 | 申请（专利权）人： | 河海大学;贵州理工学院 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210024 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 融合 分布 估计 算法 极限 学习机 干旱 智慧 预测 方法 | ||
1.一种融合分布估计算法与极限学习机的干旱智慧预测方法，其特征在于，包括以下步骤：
(1)提出融合分布估计算法(EDA)和极限学习机(ELM)的方法，构建EDA-ELM混合模型；
(2)根据研究区的特点，选取并计算相应的干旱指数表征干旱，并作为EDA-ELM模型输出；
(3)搜集与干旱成因有关的致旱因子构建大数据集，利用信息理论筛选出与干旱成因最为密切的关键致旱因子，作为模型输入；
(4)设置EDA-ELM混合模型中的参数，调试模型结构；
(5)同条件下对比传统ELM模型模拟结果，对模型精度进行评价；
步骤(1)所述的融合EDA算法和ELM模型的具体步骤为：
(11)确定ELM的输入与输出样本集；
(12)确定对ELM初始权值及阈值的编码方式，采用二进制编码；
(13)确定解空间的概率模型，采用高斯概率模型；
(14)确定随机采样产生下一代种群的方式，采用蒙特卡洛方法；
(15)计算每个个体的适应值，并排序选优，选择升序排列；
(16)按照既定规则更新产生下一代种群；
(17)直至满足终止条件为止，终止条件设置为预测值与期望值的误差矩阵的范数小于某一设定值；
步骤(3)所述的致旱因子主要包括海温指数、大气环流指数。
2.根据权利要求1所述的一种融合分布估计算法与极限学习机的干旱智慧预测方法，其特征在于，步骤(2)所述的干旱指数主要包括标准化降水指数、标准化降水蒸散发指数、帕默尔干旱指数。
3.根据权利要求1所述的一种融合分布估计算法与极限学习机的干旱智慧预测方法，其特征在于，步骤(4)所述的参数包括ELM模型参数和EDA算法参数；所述ELM模型的参数为隐含层神经元数目、初始权值和初始阈值；所述EDA算法的参数采用常规设置标准。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学;贵州理工学院，未经河海大学;贵州理工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911050246.9/1.html，转载请声明来源钻瓜专利网。
