首页|基于优化极限学习机模型的京津冀地区气象干旱预报研究

基于优化极限学习机模型的京津冀地区气象干旱预报研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于京津冀地区气象干旱较严重的现状,为找出适用于京津冀地区干旱预报的标准模型,以相对湿润指数(MI)和极限学习机模型(ELM)为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-ELM、PSO-ELM、GA-ELM共3种优化模型,并将计算结果与ELM模型、广义回归神经网络模型(GRNN)和BP神经网络模型作比较,结果表明:京津冀地区的气象干旱普遍较严重,尤其在春季和冬季,全区基本均以特旱为主;SSA-ELM模型在干旱预报中表现出了较高的精度,该模型的误差指标最低,同时一致性指标最高,且综合性绩效指数(GPI)为1.36,在所有模型中精度排名第1,因此,SSA-ELM模型可作为京津冀地区干旱预报的推荐模型使用.
Research on meteorological drought forecast in Beijing-Tianjin-Hebei region based on optimized extreme learning machine model

王小亚、贾悦

展开 >

河北水利电力学院水利工程系,沧州061001

京津冀地区 气象干旱 机器学习 麻雀算法 极限学习机模型

河北省高等学校科学研究计划河北省水利科研与推广计划项目沧州市重点研发计划指导项目

QN20212272020-64204107007

2023

10.16867/j.issn.1673-9264.2022303

中国防汛抗旱
中国水利学会

中国防汛抗旱

影响因子：0.286
ISSN：1673-9264
年,卷(期)：2023.33(3)
  • 13