10.3969/j.issn.1006-2475.2020.09.017
基于改进极限学习机的泥石流发生预测
为提高泥石流预测预报的准确性,提出一种基于DBSCAN聚类的改进极限学习机(ELM)算法.首先,利用DB-SCAN算法对泥石流发生训练的数据进行聚类处理;其次,将聚类得到的不同训练集分类训练ELM分类器;最后,利用ELM分类器对预测集数据进行预测.实验结果表明,利用改进ELM算法对泥石流发生预测的平均准确率达到91.6%,改进ELM算法的稳定性与传统ELM算法相比有明显提高,与传统ELM算法、BP神经网络和Fisher预测法相比,改进ELM算法的预测精度更高.
泥石流、极限学习机、DBSCAN、预测
TP391(计算技术、计算机技术)
四川省科技计划重点研发项目2019YFG0460
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
95-99