基于PSO优化极限学习机神经网络的空气质量预报
庄玉册1
黎蔚2
1.信阳学院 数学与信息学院, 河南 信阳4640002.河南科技大学 信息工程学院, 河南 洛阳471003
摘要：为了提高空气质量预测精度,提出一种基于粒子群算法优化极限学习机的空气质量预测模型.运用粒子群算法优化极限学习机的初始权值和偏置,在保证预测误差最小的情况下实现空气质量最优预测.选择平均绝对百分比误差、均方根误差和平均绝对误差作为评价指标,通过PSO-ELM、GA-ELM、SOA-ELM、DE-ELM和ELM五个模型预测结果对比发现,PSO-ELM可以有效提高空气质量预报的预测精度,可为空气质量预测提供新的方法和途径.
关键词：粒子群算法极限学习机空气质量指数神经网络相对误差遗传算法差分进化算法人群搜索算法
分类号：TM343(电机)
资助基金：河南省科技攻关计划重点项目(102102210419)
论文发表日期：2020-03-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 213-217 )
英文信息