本文關(guān)鍵詞：利用灰色關(guān)聯(lián)極限學(xué)習(xí)機(jī)預(yù)報(bào)日長(zhǎng)變化　出處：《中國(guó)科學(xué)院大學(xué)學(xué)報(bào)》2015年05期 　論文類型：期刊論文

  更多相關(guān)文章： 日長(zhǎng)變化 預(yù)報(bào) 灰色關(guān)聯(lián)分析 極限學(xué)習(xí)機(jī) 神經(jīng)網(wǎng)絡(luò)

【摘要】：針對(duì)日長(zhǎng)變化難以用精確模型進(jìn)行預(yù)報(bào)的問(wèn)題,將一種新型人工神經(jīng)網(wǎng)絡(luò)——極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)用于日長(zhǎng)變化預(yù)報(bào)中.首先針對(duì)時(shí)間序列預(yù)測(cè)問(wèn)題中存在的嵌入維數(shù)選取和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)問(wèn)題,提出一種基于灰色關(guān)聯(lián)分析(grey relational analysis,GRA)的ELM算法(GRA-ELM),該算法將灰色關(guān)聯(lián)分析輸入節(jié)點(diǎn)選取嵌入到ELM網(wǎng)絡(luò)的訓(xùn)練過(guò)程中,同時(shí)完成嵌入維數(shù)和隱層節(jié)點(diǎn)規(guī)模的確定.然后根據(jù)日長(zhǎng)變化數(shù)據(jù)的特點(diǎn)對(duì)其進(jìn)行預(yù)處理,建立一種能夠高精度、近實(shí)時(shí)預(yù)報(bào)日長(zhǎng)變化的GRA-ELM預(yù)報(bào)模型.最后將GRA-ELM模型的預(yù)報(bào)結(jié)果同標(biāo)準(zhǔn)ELM、反向傳播神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)網(wǎng)絡(luò)和地球定向參數(shù)預(yù)報(bào)比較競(jìng)賽的結(jié)果進(jìn)行比較.結(jié)果表明,通過(guò)本方法得到的日長(zhǎng)變化較其他方法在精度上有較大改善.
[Abstract]:Aiming at the problem that it is difficult to predict the diurnal variation with accurate model, a new type of artificial neural network-extreme learning machine (LLM-extreme learning machine) is proposed. Elm) is used in the prediction of diurnal variation. Firstly, the embedded dimension selection and network structure design problems in time series prediction are discussed. A ELM algorithm based on grey relational analysis (GRA-ELM) is proposed. In this algorithm, the gray correlation analysis input node selection is embedded in the training process of ELM network. At the same time, the embedding dimension and the size of hidden layer nodes are determined. Then, according to the characteristics of day length change data, we preprocess them to establish a high accuracy. Finally, the prediction results of GRA-ELM model are compared with standard Elm and back propagation neural network. The results of the generalized regression neural network and the Earth orientation parameter prediction competition are compared. The results show that the diurnal variation obtained by this method is better than that of other methods.
【作者單位】： 中國(guó)科學(xué)院國(guó)家授時(shí)中心;中國(guó)科學(xué)院時(shí)間頻率基準(zhǔn)重點(diǎn)實(shí)驗(yàn)室;中國(guó)科學(xué)院大學(xué);
【基金】：中國(guó)科學(xué)院西部之光聯(lián)合學(xué)者項(xiàng)目(201491)資助
【分類號(hào)】：P126
【正文快照】： Lei Y,Cai H B,Zhao D N.Prediction of length-of-day variation using grey relational analysis and extreme learningmachine[J].Journal of University of Chinese Academy of Sciences,2015,32(5):588-593,604.generalization regression neural networks and Earth ori

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉新梅;徐潤(rùn)芳;張若勇;;鄧氏灰色關(guān)聯(lián)分析的應(yīng)用模型[J];統(tǒng)計(jì)與決策;2008年10期

2 王冠中;虞亞平;李大治;;江蘇省宏觀經(jīng)濟(jì)的灰色關(guān)聯(lián)分析[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2010年12期

3 崔杰;;河南省人口結(jié)構(gòu)的灰色關(guān)聯(lián)分析及對(duì)策[J];科技信息;2010年16期

4 董鋒;譚清美;苗建軍;李曉暉;;蘇州模式的反思與新蘇州模式的思考——基于灰色關(guān)聯(lián)分析-協(xié)整檢驗(yàn)兩步法的實(shí)證[J];科技進(jìn)步與對(duì)策;2012年20期

5 曹飛;;陜西省農(nóng)民消費(fèi)結(jié)構(gòu)的灰色關(guān)聯(lián)分析及其變動(dòng)預(yù)測(cè)[J];農(nóng)村經(jīng)濟(jì)與科技;2012年07期

6 李宏宇 ,肖傳桃;灰色關(guān)聯(lián)分析及其在古生物地理研究中的應(yīng)用[J];地球科學(xué);1988年05期

7 植東升;灰色關(guān)聯(lián)分析中幾個(gè)問(wèn)題的討論[J];桂林冶金地質(zhì)學(xué)院學(xué)報(bào);1988年04期

8 劉正林;;地下水系統(tǒng)灰色關(guān)聯(lián)分析中的若干問(wèn)題探討[J];勘察科學(xué)技術(shù);1992年06期

9 王安德;灰色關(guān)聯(lián)分析在制定鉆月效率定額中的應(yīng)用[J];中國(guó)煤田地質(zhì);1992年01期

10 余貴清，張德舜;對(duì)死亡率變化原因的灰色關(guān)聯(lián)分析[J];工科數(shù)學(xué);1994年02期

相關(guān)會(huì)議論文 前10條

1 金紅霞;趙建娜;;影響我國(guó)服務(wù)業(yè)FDI的環(huán)境因素灰色關(guān)聯(lián)分析[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第8屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 汪濤;吳琳麗;;基于灰色關(guān)聯(lián)分析的戰(zhàn)場(chǎng)目標(biāo)攻擊價(jià)值評(píng)估[A];第16屆全國(guó)灰色系統(tǒng)學(xué)術(shù)會(huì)議論文集[C];2008年

3 李亞平;劉思峰;;房地產(chǎn)業(yè)與經(jīng)濟(jì)發(fā)展的灰色關(guān)聯(lián)分析[A];第19屆灰色系統(tǒng)全國(guó)會(huì)議論文集[C];2010年

4 段利忠;張瑛;翟廣倩;耿浩;yご涸，

本文編號(hào)：1426695