為準(zhǔn)確預(yù)測(cè)干旱情勢(shì),提高防旱抗旱能力,構(gòu)建了遺傳算法優(yōu)化的極限學(xué)習(xí)機(jī)（GA-ELM）模型進(jìn)行干旱預(yù)測(cè)。以近年來干旱頻發(fā)的云貴高原為研究區(qū),利用該模型以關(guān)鍵致旱因子為輸入變量實(shí)現(xiàn)了云貴高原中長期干旱預(yù)測(cè),并與自適應(yīng)神經(jīng)模糊推理系統(tǒng)（Adaptive Neural Fuzzy Inference System,ANFIS）模型、極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）模型的預(yù)測(cè)結(jié)果進(jìn)行比較。結(jié)果表明:GA-ELM模型適用于云貴高原地區(qū)的干旱預(yù)測(cè);與ELM模型相比,不同時(shí)間尺度下GA-ELM模型的干旱預(yù)測(cè)結(jié)果精度均有明顯提升;在干旱強(qiáng)度和干旱歷時(shí)方面,GA-ELM模型的預(yù)測(cè)精度總體上也優(yōu)于ANFIS模型。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 研究區(qū)概況
2 研究方法
3 GA-ELM模型構(gòu)建與應(yīng)用
    3.1 模型構(gòu)建
    3.2 模型應(yīng)用
        3.2.1 輸入與輸出變量
        3.2.2 參數(shù)標(biāo)定
            (1) ELM主要有3個(gè)參數(shù)需要設(shè)置。
            (2) GA采用了常用的參數(shù)設(shè)置標(biāo)準(zhǔn)。
        3.2.3 精度評(píng)價(jià)指標(biāo)
        3.2.4 干旱預(yù)測(cè)
4 GA-ELM模型適用性評(píng)價(jià)
5 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于GA-ELM的城市軌道交通工程投資估算方法研究[J]. 張飛漣,梁秀峰.  鐵道科學(xué)與工程學(xué)報(bào). 2019(07)
[2]基于在線序列-極限學(xué)習(xí)機(jī)的干旱預(yù)測(cè)[J]. 劉振男,周靖楠.  人民珠江. 2018(08)
[3]基于自適應(yīng)差分進(jìn)化算法優(yōu)化極限學(xué)習(xí)機(jī)的干旱預(yù)測(cè)方法[J]. 周靖楠,劉振男.  水電能源科學(xué). 2018(06)
[4]基于GA-ELM神經(jīng)網(wǎng)絡(luò)的日前電價(jià)預(yù)測(cè)[J]. 鄭健,曹煒.  上海電力學(xué)院學(xué)報(bào). 2018(01)
[5]基于極限學(xué)習(xí)機(jī)的干旱區(qū)潛在蒸發(fā)量模擬[J]. 王婷婷,馮起,溫小虎,郭小燕.  中國沙漠. 2017(06)
[6]基于GA-ELM的瓦斯涌出量預(yù)測(cè)[J]. 韓義波.  煤礦安全. 2015(04)
[7]基于GA-ELM的沖擊地壓危險(xiǎn)性預(yù)測(cè)研究[J]. 朱志潔,張宏偉.  中國安全生產(chǎn)科學(xué)技術(shù). 2014(08)
[8]基于遺傳算法優(yōu)化的支持向量機(jī)干旱預(yù)測(cè)模型[J]. 遲道才,張?zhí)m芬,李雪,王堃,吳秀明,張?zhí)啬?  沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào). 2013(02)
[9]中國近1000年重大干旱事件[J]. 張德二.  氣象知識(shí). 2004 (06)

博士論文
[1]大數(shù)據(jù)環(huán)境下遙感圖譜應(yīng)用方法研究[D]. 葉思菁.中國農(nóng)業(yè)大學(xué) 2016

碩士論文
[1]干旱區(qū)作物參考蒸發(fā)蒸騰量ANFIS預(yù)測(cè)模型研究與分析[D]. 李志磊.新疆大學(xué) 2017
[2]干旱災(zāi)害對(duì)農(nóng)村經(jīng)濟(jì)的影響研究[D]. 李金鑫.合肥工業(yè)大學(xué) 2013



本文編號(hào)：3703640