典型文献
基于GWO-ELM算法模型的水体含沙量预测
文献摘要：
泥沙含量的演变受多种因素的影响,为了快速、准确地对水中泥沙含量进行高精度预测,为泥沙治理以及合理利用水土资源提供理论依据,提出了一种基于GWO-ELM算法模型的水体含沙量预测方法.首先,将影响泥沙含量的8种原始影响因子赋予权重,利用主成分分析(principal component analysis,PCA)法提取出4个主成分影响因子,避免维数灾难;然后,将提取出来的因子作为极限学习机(extreme learning machine,ELM)算法模型的输入,进行泥沙含量的预测,并使用灰狼优化算法(grey wolf optimizer,GWO)更新预测模型的最优参数;最后,以长江口北槽监测数据进行了仿真验证.结果表明:本文所提方法有效降低了维数灾难,且提高了在相同隐含层神经元节点数情况下的预测准确率,预测值与实际值拟合效果较好,预测精度较高.研究结果说明了 GWO-ELM模型可用于对泥沙含量的预测,为相关决策部门提供了一定的借鉴经验.
文献关键词：
泥沙含量;主成分分析;灰狼优化算法;极限学习机;预测
中图分类号：
作者姓名：
何洋;李丽敏;温宗周;魏雄伟;张明岳
作者机构：
西安工程大学电子信息学院,西安710600
文献出处：
引用格式：
[1]何洋;李丽敏;温宗周;魏雄伟;张明岳-.基于GWO-ELM算法模型的水体含沙量预测)[J].科学技术与工程,2022(03):910-917
A类：
B类：
GWO,ELM,算法模型,水体含沙量,含沙量预测,泥沙含量,精度预测,沙治,水土资源,资源提供,principal,component,analysis,分影,维数灾难,极限学习机,extreme,learning,machine,灰狼优化算法,grey,wolf,optimizer,最优参数,长江口,口北,北槽,仿真验证,隐含层,预测准确率,拟合效果
AB值：
0.313256
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。
