改進型極限學習機模型在糧食產量預測中的應用
摘要：為了提高糧食產量的預測精度和時效性,論文提出一種基于增長極限學習機(GELM)的糧食產量預測方法。該方法以極限學習機(ELM)為理論框架,針對ELM中隱節點數目L優化問題,在L遞增情況下,推導輸出權重廣義逆矩陣的遞推更新公式,避免了ELM在不同L下重復計算輸出權重廣義逆矩陣的問題,降低ELM的計算量,繼而提出GELM算法。最后給出糧食產量GELM預測方法流程。以1960-2015年我國糧食產量為實驗數據,結果表明,相比于ELM和支持向量機(SVM),GELM的預測準確性高于SVM,與ELM相差不大,但GELM的耗時明顯低于ELM和SVM。
注: 保護知識產權,如需閱讀全文請聯系計算機與數字工程雜志社
相關推薦
更多
