典型文献
基于PSO-ELM算法的民航客运量预测
文献摘要：
掌握民航客运量是航空公司在做重大科学决策和实施可行性计划的重要保障.为准确预测中国民航客运量的情况,引入了极限学习机(ELM),搭建民航客运量预测模型.建立了ELM神经网络最优结构,以此为基础,分别用粒子群算法(PSO)、遗传算法(GA)、差分进化算法(DE)对ELM的输入权值和隐含层阈值进行优化,降低了ELM随机生成参数的不稳定性.结果表明,PSO优化算法提高了ELM的拟合能力和泛化能力,预测精度也高于其他模型,为航空运输协调发展提供了可靠的依据.
文献关键词：
粒子群算法;极限学习机;民航客运量;神经网络;预测
中图分类号：
作者姓名：
陈聪聪;李程
作者机构：
上海工程技术大学航空运输学院,上海201620
文献出处：
引用格式：
[1]陈聪聪;李程-.基于PSO-ELM算法的民航客运量预测)[J].控制工程,2022(11):2042-2047
A类：
B类：
PSO,ELM,民航客运量,客运量预测,航空公司,大科学,科学决策,实施可行性,准确预测,中国民航,极限学习机,最优结构,粒子群算法,GA,差分进化算法,DE,权值,隐含层,泛化能力,航空运输
AB值：
0.221156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
