MRMR-SA-EGA-ELM的叶绿素a浓度预测模型研究

作     者：陈优良 陶剑辉 黄劲松 肖钢 Chen Youliang;Tao Jianhui;Huang Jingson;Xiao Gang

作者机构：江西理工大学土木与测绘工程学院江西赣州341000 中南大学地球科学与信息物理学院湖南长沙410000 浙江智谱工程技术有限公司浙江湖州313000 赣州市城乡规划设计研究院江西赣州341000 

基　　金：国家自然科学基金项目(41261093) 江西省教育厅科技项目(GJJ170522) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2024年第41卷第4期

页      码：60-66页

摘      要：为提高叶绿素a浓度的预测精度,以南太湖区域-湖州市新塘港2020年5月至11月份的水质监测数据为原始样本数据,使用最大相关最小冗余算法(MRMR)从原始样本数据中选取效果更优的特征值,作为预测模型的输入数据,将精英遗传算法(EGA)与模拟退火算法(SA)组合优化极限学习机(ELM)网络的初始参数,最终构建MRMR-SA-EGA-ELM叶绿素a浓度预测模型。实验结果表明,MRMR-SA-EGA-ELM模型预测叶绿素a浓度的平均绝对误差(MAE)、均方误差(MSE)、决定系数(R^(2))分别为1.009、1.607、0.903,而ELM模型预测结果的MAE、MSE、R^(2)分别为2.078、8.249、0.562,MRMR-SA-EGA-ELM模型的效果得到显著提升,可实现对叶绿素a浓度的准确预测。

主 题 词：叶绿素a浓度 最大相关最小冗余 精英遗传算法 模拟退火算法 极限学习机 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2024.04.009

馆 藏 号：203127483...