本文關鍵詞：利用灰色關聯(lián)極限學習機預報日長變化　出處：《中國科學院大學學報》2015年05期 　論文類型：期刊論文

  更多相關文章： 日長變化 預報 灰色關聯(lián)分析 極限學習機 神經(jīng)網(wǎng)絡

【摘要】：針對日長變化難以用精確模型進行預報的問題,將一種新型人工神經(jīng)網(wǎng)絡——極限學習機(extreme learning machine,ELM)用于日長變化預報中.首先針對時間序列預測問題中存在的嵌入維數(shù)選取和網(wǎng)絡結構設計問題,提出一種基于灰色關聯(lián)分析(grey relational analysis,GRA)的ELM算法(GRA-ELM),該算法將灰色關聯(lián)分析輸入節(jié)點選取嵌入到ELM網(wǎng)絡的訓練過程中,同時完成嵌入維數(shù)和隱層節(jié)點規(guī)模的確定.然后根據(jù)日長變化數(shù)據(jù)的特點對其進行預處理,建立一種能夠高精度、近實時預報日長變化的GRA-ELM預報模型.最后將GRA-ELM模型的預報結果同標準ELM、反向傳播神經(jīng)網(wǎng)絡、廣義回歸神經(jīng)網(wǎng)絡和地球定向參數(shù)預報比較競賽的結果進行比較.結果表明,通過本方法得到的日長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】： 中國科學院國家授時中心;中國科學院時間頻率基準重點實驗室;中國科學院大學;
【基金】：中國科學院西部之光聯(lián)合學者項目(201491)資助
【分類號】：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】

相關期刊論文 前10條

1 劉新梅;徐潤芳;張若勇;;鄧氏灰色關聯(lián)分析的應用模型[J];統(tǒng)計與決策;2008年10期

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

3 崔杰;;河南省人口結構的灰色關聯(lián)分析及對策[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——基于灰色關聯(lián)分析-協(xié)整檢驗兩步法的實證[J];科技進步與對策;2012年20期

5 曹飛;;陜西省農民消費結構的灰色關聯(lián)分析及其變動預測[J];農村經(jīng)濟與科技;2012年07期

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

7 植東升;灰色關聯(lián)分析中幾個問題的討論[J];桂林冶金地質學院學報;1988年04期

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

9 王安德;灰色關聯(lián)分析在制定鉆月效率定額中的應用[J];中國煤田地質;1992年01期

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

相關會議論文 前10條

1 金紅霞;趙建娜;;影響我國服務業(yè)FDI的環(huán)境因素灰色關聯(lián)分析[A];管理科學與系統(tǒng)科學研究新進展——第8屆全國青年管理科學與系統(tǒng)科學學術會議論文集[C];2005年

2 汪濤;吳琳麗;;基于灰色關聯(lián)分析的戰(zhàn)場目標攻擊價值評估[A];第16屆全國灰色系統(tǒng)學術會議論文集[C];2008年

3 李亞平;劉思峰;;房地產業(yè)與經(jīng)濟發(fā)展的灰色關聯(lián)分析[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

4 段利忠;張瑛;翟廣倩;耿浩;yご涸，

本文編號：1426695