利用灰色关联极限学习机预报日长变化

作     者：雷雨 蔡宏兵 赵丹宁 LEI Yu;CAI Hongbing;ZHAO Danning

作者机构：中国科学院国家授时中心西安710600 中国科学院时间频率基准重点实验室西安710600 中国科学院大学北京100049 

基　　金：中国科学院西部之光联合学者项目(201491)资助 

出 版 物：《中国科学院大学学报（中英文）》 (Journal of University of Chinese Academy of Sciences)

年 卷 期：2015年第32卷第5期

页      码：588-593,604页

摘      要：针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络——极限学习机(extreme learning machine,ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis,GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善.

主 题 词：日长变化 预报 灰色关联分析 极限学习机 神经网络 

学科分类：08[工学] 081601[081601] 0816[工学-纺织类] 

核心收录：

D　O　I：10.7523/j.issn.2095-6134.2015.05.003

馆 藏 号：203720698...