基于遗传算法优化极限学习机模型的干旱预测——以云贵高原为例

为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机(GA-ELM)模型进行干旱预测。以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)模型、极限学习机(Extreme Learning Machine,ELM)模型的预测结果进行比较。结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型。     

基于在线序列-极限学习机的干旱预测

极限学习机在干旱预测时,通常将作为预测因子的历史数据固化的导入到模型中进行训练,而忽略了不同阶段产生的数据在模型训练中的作用和效果。因此,基于在线更新理论构建了在线序列-极限学习机预测模型,该模型在参数训练更新时,预测因子数据是按不同批次逐步导入到模型进行训练,大大降低了计算机资源占用率,且选用标准降水指数作为干旱评价指标对研究区域进行了预测。结果表明:在线序列-极限学习机较极限学习机的预测精度与稳定性有了大幅度的提高。     

基于PSO/DE-ELM模型的云贵高原干旱预测

气候变化导致西南地区面临愈加严重的干旱问题，为准确预测该区域干旱情势，分别构建了粒子群算法(PSO)和差分进化算法(DE)优化的极限学习机(ELM)模型，并将其应用于云贵高原干旱预测，从预测精度和特征值模拟能力等方面比较了PSO-ELM模型和DE-ELM模型在云贵高原干旱预测中的适用性。结果表明：(1)PSO-ELM模型和DE-ELM模型均能够有效预测云贵高原不同时间尺度下的干旱状况，模拟值与实测值的相关系数均在0.75以上，均方根误差均小于0.65;(2)两种模型对最大值、最小值、不同百分位数等特征统计值、干旱历时和干旱强度的拟合效果较好，能够有效反映研究区干旱特征；(3)相较而言，DE-ELM模型的预测性能略优于PSO-ELM模型，在云贵高原干旱预测中具有更强的适用性。     

重庆干旱分布与预测模型研究

文章基于相对湿润度指数,计算了重庆1980—2016年的干旱指标,同时基于粒子群算法改进极限学习机模型(PSO-ELM)构建重庆干旱预测模型,结果表明:整个区域存在较为严重的季节性干旱现象,冬季干旱程度最高,春、夏、秋季相对湿润度指数取值由东北到西南逐渐增大,且不同站点均无干旱现象发生。PSO-ELM模型在不同输入组合下的精度较高,可作为重庆干旱预报的标准模型使用。     

基于改进混合核极限学习机的坝基注浆量预测代理模型研究

注浆量是反映灌浆施工质量的重要指标之一。目前基于机器学习的注浆量预测方法缺乏对裂隙倾向、倾角等参数的全面考虑。裂隙灌浆模拟具有能够综合考虑地质、设计、施工等因素影响的优势,然而面临裂隙参数小样本、计算效率低下的不足。针对上述问题,提出基于改进混合核极限学习机(ICSO-MKELM)的注浆量预测代理模型。主要包括:(1)提出基于改进bootstrap方法的三维随机裂隙网络模型建模方法,解决裂隙数据小样本问题,并结合离散元方法开展灌浆数值模拟研究;(2)建立基于改进混合核极限学习机的注浆量预测代理模型,采用改进的鸡群算法优化混合核极限学习机的参数选择,克服混合核极限学习机参数选择效率不高、且难以有效选择全局最优参数的不足。通过将建立的代理模型应用于某工程坝基帷幕灌浆的注浆量预测,并与基于RBF-KELM单核极限学习机模型、Poly-KELM单核极限学习机模型、BP神经网络模型的注浆量预测结果对比,验证了本文所提方法的优越性。     

大坝变形监测统计模型与混沌优化ELM组合模型

变形是反映大坝动态演化的重要效应量。为了提升统计模型预测能力,借助极限学习机(ELM)处理非线性问题的优势,对大坝位移的统计模型残差进行数据挖掘。而极限学习机欠缺对混沌动力特性的考虑,为了解决这个问题,采用混沌理论对统计模型残差进行了混沌动力学特性分析,揭示其混沌特性,并据此重构相空间,从而为混沌优化极限学习机提供先验知识。基于统计模型,结合极限学习机和混沌理论的优点,建立统计模型与混沌优化ELM的组合模型。将该组合模型应用于工程实例,由多个定量评估指标对模型进行性能评价,结果表明,组合模型建模合理,预测精度高于统计模型、统计模型与混沌优化BP神经网络组成的组合模型,在大坝变形监测中具有一定的应用价值。     

基于M-ELM的大坝变形安全监控模型

针对大坝变形监测数据存在的非线性强、异常值诊断和剔除工作复杂及传统监控模型抗粗差能力差等问题,结合稳健估计理论抗粗差性强和极限学习机在处理非线性问题方面的优势,建立了基于稳健估计极限学习机的大坝变形安全监控模型。试验确定网络隐含层层数,构建4次方损失函数,采用加权最小二乘法计算输出权值,实现原始监测数据的拟合和预测。以某工程大坝变形监测数据为例进行建模分析,结果表明:以反映模型预测精度的均方误差和平均绝对百分误差及反映模型鲁棒性的中位数绝对偏差作为评价指标,基于稳健估计极限学习机的大坝变形安全监控模型的各项指标明显优于对比模型。     

沂河流域水文降雨预测模型研究

为找出沂河流域最优水文降雨预测模型,本文基于极限学习机模型(ELM)、BP神经网络模型和小波变化神经网络模型(WANN),运用3种不同模型模拟了日降雨,并与实测数据对比。结果表明:ELM模型与实测值的拟合方程斜率为1.2971,更接近于1,误差最低,且与实测值的一致性最高,可作为当地水文降雨预报的计算模型,为当地防洪预测提供科学的理论依据。     

西北地区农业干旱对气象干旱的时空多角度响应

采用标准化降水蒸散指数和标准化土壤水指数分别表征气象干旱和农业干旱,基于干旱事件三维识别和气象干旱与农业干旱事件对的匹配结果,利用Copula函数条件概率分布和贝叶斯网络概率模型分析了西北地区农业干旱对气象干旱的时空多角度响应关系。结果表明：基于线性、非线性关系模型及Copula函数条件概率分布确立了西北地区农业干旱对气象干旱的干旱历时、干旱烈度、干旱面积及干旱迁移距离间最优响应关系分别为二次多项式模型、基于Frank Copula函数的非线性关系模型、指数模型和线性模型;建立的气象、农业干旱变量间的响应概率特征曲线可定量预测西北地区不同程度的气象干旱发展为农业干旱的概率;已知气象干旱特征条件下,根据最优响应关系及响应概率特征曲线可对农业干旱特征及其发生概率进行可靠预测。     

国内外干旱研究进展综述

为了将干旱这一自然灾害的研究引向深入,从干旱定义、干旱指数、干旱的监测与预测等方面,对国内外干旱研究进展进行了综述,分析了目前干旱研究存在的不足,指出干旱识别应做到定量化和客观化。通过干旱历史评估、实时监测和预测方面的理论研究和实践,提出了开展干旱监测及预测研究的主要发展方向,即应建立气象预报、水文模型、植被需水模型相结合的联合干旱预测模型。     

基于马尔科夫链残差修正的EMD-MELM混凝土坝位移预测模型

基于经验模态分解(EMD)、改进的极限学习机(MELM)以及马尔科夫链,提出了一种新的混合模型。由于混凝土坝的变形可看成静水压力、环境温度和时间效应而产生的变形,前两者体现总变形中的周期性分量,后者体现为总变形中的趋势性分量,所以在数据预处理阶段,利用经验模态分解技术将坝体总位移序列分解为趋势分量位移和周期分量位移,选择多项式函数预测趋势分量位移,提出了一种改进的极限学习机,即均值学习机集成(MELM),采用MELM模型对周期分量进行预测。再使用马尔科夫链修正模型对两个模型的拟合残差进行修正预测,叠加各预测值得到最终预测值。在某混凝土坝的应用表明,该组合模型的拟合及预测精度明显优于传统模型,具有操作简便、预测精度高、训练速度快等优点。     

基于马尔科夫链残差修正的EMD-MELM混凝土坝位移预测模型

基于经验模态分解(EMD)、改进的极限学习机(MELM)以及马尔科夫链,提出了一种新的混合模型。由于混凝土坝的变形可看成静水压力、环境温度和时间效应而产生的变形,前两者体现总变形中的周期性分量,后者体现为总变形中的趋势性分量,所以在数据预处理阶段,利用经验模态分解技术将坝体总位移序列分解为趋势分量位移和周期分量位移,选择多项式函数预测趋势分量位移,提出了一种改进的极限学习机,即均值学习机集成(MELM),采用MELM模型对周期分量进行预测。再使用马尔科夫链修正模型对两个模型的拟合残差进行修正预测,叠加各预测值得到最终预测值。在某混凝土坝的应用表明,该组合模型的拟合及预测精度明显优于传统模型,具有操作简便、预测精度高、训练速度快等优点。     

3种大坝安全监控智能模型的比较

当效应量和自变量关系复杂时,传统回归模型预测效果较差,智能模型以可视化、网络化、易于实现等特征发展迅速。基于某混凝土坝实测资料,将极限学习机模型运用于大坝安全监控中,并与BP神经网络、支持向量机模型的训练、预测结果对比,分析了各个模型的实际运行性能和适用场合。     

基于季节性叠加趋势法的云南省干旱预测研究

近年来，随着云南省干旱发生的频次不断增加，影响范围不断扩大，开展干旱预测模型研究对云南省具有重要意义。分别选取云南省的石林、会泽、楚雄、元谋、红塔、隆阳、广南、瑞丽、屏边、景洪10个县市区内10个建站超30 a的基本水文站逐日实测降雨资料，基于季节性叠加趋势方法建立预测模型并计算得到预测数值，与各水文站实测降雨数值进行对比分析，探讨季节性叠加趋势模型在云南省不同区域干旱预测中的应用效果。结果表明：严重干旱区4站中有3站能准确反映干旱趋势，仅有1站能准确反映干旱程度；中度干旱区3站中有2站能准确反映干旱趋势，不能准确反映干旱程度；轻度干旱区3站中有2站能准确反映干旱趋势，仅有1站能准确反映干旱程度；总体来说，预测模型结果能较为准确反映干旱趋势，但对干旱严重程度反映效果有待提升。     

基于改进EMD-SSA-KELM的用水量预测方法研究

针对用水量具有波动性和不确定性,且预测时存在精度低、可信度差等问题,提出了改进经验模态分解法与麻雀搜索算法优化核极限学习机的组合预测模型。首先使用长短期记忆网络对人民胜利渠的原始引黄用水量序列进行极值延拓,改进经验模态分解法的端点效应;然后通过改进后的经验模态分解法将时序信号分解为若干个本征模态分量,使原始用水量信号平稳化;最后利用麻雀搜索算法优化核极限学习机,对原始用水量序列与通过改进后经验模态分解方法的用水量序列进行预测对比。结果表明：基于改进后经验模态分解方法有效地抑制了端点效应,模型预测误差降低43.51%、可信度提高76.79%,因此采用改进经验模态分解方法有效地提高麻雀搜索算法优化核极限学习机组合模型的预测精度和可信度,在水资源预测中更具适应性。     

基于机器学习的重力坝变形监测统计模型及应用

为了提升重力坝变形监测模型精度,文章采用极限学习机(ELM)、基于网格搜索和交叉验证的支持向量机、基于模拟退火遗传算法优化的BP神经网络(GASA-BP)三种机器学习方法对经验模态分解(EMD)重构的周期项进行训练和预测,并与传统的最小二乘法进行对比分析。结果表明,机器学习算法可以有效提升模型的拟合及预测精度。     

长江上游径流混沌动力特性及其集成预测研究

针对长江上游干流主要站点月径流时间序列强非线性和非平稳特征,引入混沌理论和AdaBoost.RT集成极限学习机方法对其月径流时间序列进行分析和预测。首先,以流域径流非线性动力系统混沌特征参数辨识为切入点,研究并发现了流域内在特性作用下月径流时间序列动力响应的混沌现象,推求了月径流时间序列相空间重构的延迟时间和最佳嵌入维数,在此基础上,以重构相空间时间序列作为输入变量,引入基于自适应动态阈值的改进AdaBoost.RT算法改进极限学习机模型的学习性能,得到最佳的混沌集成学习月径流时间序列预测模型。实例研究结果表明,所提方法和模型能够显著提高单一极限学习机模型的泛化性和稳定性,从而获得更优越的预报性能。     

基于改进型极限学习机的新疆库尔勒市城市需水量预测

城市需水量系统具有大惯性、强耦合、非线性等特性,采用机理分析法,难以建立其准确的数学模型,导致预测效果差。鉴于此,该文将基于正交基函数的改进型极限学习机对城市需水量因子进行辨识,并利用经验模态分解方法确定网络隐含层节点数,建立了库尔勒市城市需水量预测模型。结果表明:模型有效性为0.9714,实测值与预测值的拟合关系比较理想,说明基于正交基函数的改进型极限学习机对城市需水量进行系统辨识是可行的。     

基于PCA-SSA-ELM的混凝土坝变形预测模型

混凝土坝变形与环境量之间有着复杂的函数关系,传统统计模型泛化能力较弱,难以处理高维非线性问题。为此,提出了一种基于主成分分析法和麻雀搜索算法优化极限学习机的混凝土坝变形预测模型,该模型通过主成分分析法(PCA)提取环境量中的关键因子作为模型输入变量,采用寻优能力强的麻雀搜索算法(SSA)选取极限学习机(ELM)中的初始输入权重和偏置的最优解。将该PCA-SSA-ELM模型应用到某高拱坝拱冠梁坝段测点径向位移的预测中,并与ELM、BP神经网络模型的计算结果进行对比分析,验证了新模型的有效性。     

辽宁省水文干旱与北半球500hPa高度场遥相关分析

为了解辽宁省水文干旱特征,研究辽宁省水文干旱与前期气象要素场的遥相关关系,本文利用1956年～2015年辽宁省44个水文测站的径流量Z指数和前期1月～12月北半球500 hPa高度场,通过奇异值分解(SVD)方法分析了北半球500 hPa高度场对辽宁省水文干旱的影响。结果表明辽宁省西部异常偏旱、东部异常偏涝与前期冬季、春季、夏季、秋季北半球500 hPa高度场之间存在着较为密切的联系。前期气象要素场与水文干旱的耦合分析,可为辽宁省水文干旱的趋势预测初选因子提供依据。