• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于极限学习机回归的海水Chl a浓度预测方法

张颖 高倩倩

引用本文:
Citation:

基于极限学习机回归的海水Chl a浓度预测方法

    作者简介: 张颖(1968-),男,安徽合肥人,博士,副教授,主要研究方向为智能信息处理,海洋环境多传感器信息融合,传感器网络等,E-mail:yingzhang@shmtu.edu.cn;
  • 基金项目: 国家自然科学基金项目(61273068)
    上海市自然科学基金项目(12ZR1412600)
    上海市教委科研创新项目(13YZ084)

  • 中图分类号: X832

Prediction method of Chlorophyll-a concentration in seawater based on extreme learning machine regression

  • CLC number: X832

计量
  • 文章访问数:  2452
  • HTML全文浏览量:  7
  • PDF下载量:  225
出版历程
  • 收稿日期:  2014-01-04
  • 录用日期:  2014-03-05
  • 刊出日期:  2015-01-10

基于极限学习机回归的海水Chl a浓度预测方法

    作者简介:张颖(1968-),男,安徽合肥人,博士,副教授,主要研究方向为智能信息处理,海洋环境多传感器信息融合,传感器网络等,E-mail:yingzhang@shmtu.edu.cn
  • 1. 上海海事大学 信息工程学院, 上海 201306
基金项目:  国家自然科学基金项目(61273068)上海市自然科学基金项目(12ZR1412600)上海市教委科研创新项目(13YZ084)

摘要: 有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义.运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数.采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测.

English Abstract

参考文献 (1)

目录

    /

    返回文章