基于数据分解与斑马算法优化的混合核极限学习机月径流预测OA北大核心CSTPCD
Monthly Runoff Prediction Using Hybrid Kernel Extreme Learning Machine Based on Data Decomposition and Zebra Algorithm Optimization
为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型.利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)…查看全部>>
In order to enhance the precision of monthly runoff forecasts and optimize the prediction performance of the Hybrid Kernel Extreme Learning Machine(HKELM),we propose a synergistic approach integrating Wavelet Packet Decomposition(WPT),the Zebra Optimization Algorithm(ZOA),and HKELM.The approach involves applying WPT to preprocess monthly runoff time series data and constructing a HKELM that combines local Gaussi-an radial basis function with global polynomia…查看全部>>
李菊;崔东文
云南开放大学城市建设学院,昆明 650500云南省文山州水务局,云南文山 663000
水利科学
月径流预测时间序列斑马优化算法混合核极限学习机小波包变换超参数优化
monthly runoff forecasttime serieszebra optimization algorithmhybrid kernel extreme learning ma-chinewavelet packet transformhyperparameter optimization
《长江科学院院报》 2024 (6)
42-50,9
云南省教育厅教育科学研究基金项目(2023J0797)云南省水利厅水利科技项目(2024BC202003)
评论