基于MFOA-ELM的水质等级预测研究

摘要：

为提高水质评价模型的预测精度和适用性,针对极限学习机性能受输入权重Wi和隐含层偏置bi的影响,提出一种基于修正因子的果蝇算法优化ELM的水质评价模型.选择2012-2017年巢湖水质监测数据为研究对象,与FOA-ELM、PSO-ELM、GA-ELM和ELM对比发现,MFOA-ELM具有更高的预测精度,精度高达98.36％,并且具有更快的收敛速度,可以广泛地应用于水质评价和预测.

关键词：果蝇优化算法、极限学习机、水质评价、粒子群算法、修正因子

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61634004

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：176-181