【ELM预测】基于粒子群算法PSO优化极限学习机预测含Matlab源码

1 模型

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和ELM2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.

2 部分代码

% ELM 训练网络function [LW,TF,TYPE] = elmtrain(P,T,N,TF,TYPE,IW,B);if nargin < 2     error('ELM:Arguments','Not enough input arguments.');end[R,Q] = size(P); %if nargin < 3      N = size(P,2);endif nargin < 4     TF = 'sig';endif nargin < 5     TYPE = 0;end   if nargin < 6     IW = rand(N,R) * 2 - 1;end   if nargin < 7     B = rand(N,1);end   if size(P,2) ~= size(T,2)      error('ELM:Arguments','The columns of P and T must be same.');endif TYPE  == 1    T  = ind2vec(T);end[S,Q] = size(T);BiasMatrix = repmat(B,1,Q);tempH = IW * P + BiasMatrix;switch TF    case 'sig'        H = 1 ./ (1 + exp(-tempH));    case 'sin'        H = sin(tempH);    case 'hardlim'        H = hardlim(tempH);endLW = pinv(H') * T';%  相关注释% ELMTRAIN Create and Train a Extreme Learning Machine% Syntax 语法% [IW,B,LW,TF,TYPE] = elmtrain(P,T,N,TF,TYPE)% Description 描述% Input% P   - Input Matrix of Training Set  (R*Q)  训练输入样本% T   - Output Matrix of Training Set (S*Q) 训练输出样本% N   - Number of Hidden Neurons (default = Q) 隐含层节点数% TF  - Transfer Function: 传递函数，转化函数%       'sig' for Sigmoidal function (default) S型函数%       'sin' for Sine function 正弦函数%       'hardlim' for Hardlim function 硬限制型传递函数% TYPE - Regression (0,default) or Classification (1)% Output% IW  - Input Weight Matrix (N*R) 输入权值% B   - Bias Matrix  (N*1) 偏差% LW  - Layer Weight Matrix (N*S)% Example% Regression:% [IW,B,LW,TF,TYPE] = elmtrain(P,T,20,'sig',0)% Y = elmtrain(P,IW,B,LW,TF,TYPE)% Classification% [IW,B,LW,TF,TYPE] = elmtrain(P,T,20,'sig',1)% Y = elmtrain(P,IW,B,LW,TF,TYPE)% See also ELMPREDICT% Yu Lei,11-7-2010% Copyright www.matlabsky.com% $Revision:1.0 $

3 仿真结果

4 参考文献

[1]庄玉册, 黎蔚. 基于PSO优化极限学习机神经网络的空气质量预报[J]. 沈阳工业大学学报, 2020, 042(002):213-217.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

【ELM预测】基于粒子群算法PSO优化极限学习机预测含Matlab源码相关推荐

【回归预测-ELM预测】基于粒子群算法PSO优化极限学习机预测附matlab代码
1 内容介绍风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义.针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群 ...
【配电网重构】基于matlab粒子群算法33节点配电网重构【含Matlab源码 1829期】
⛄一.配电网重构简介 1 配电网重构的数学模型 1.1 配电网重构的目标函数配电网重构的数学模型实质就是多目标多约束的最优解问题, 配网重构的目标一般由以下几类: (1) 配电网最小网损为目标; ( ...
【PSO三维路径规划】基于matlab粒子群算法无人机三维路径规划【含Matlab源码 015期】
一.无人机简介 0 引言随着现代技术的发展,飞行器种类不断变多,应用也日趋专一化.完善化,如专门用作植保的大疆PS-X625无人机,用作街景拍摄与监控巡察的宝鸡行翼航空科技的X8无人机,以及用作水下 ...
【PSO三维路径规划】基于matlab粒子群算法无人机三维路径规划【含Matlab源码 1260期】
一.无人机简介 0 引言随着现代技术的发展,飞行器种类不断变多,应用也日趋专一化.完善化,如专门用作植保的大疆PS-X625无人机,用作街景拍摄与监控巡察的宝鸡行翼航空科技的X8无人机,以及用作水下 ...
【PSO三维路径规划】基于matlab粒子群算法无人机三维路径规划【含Matlab源码 192期】
⛄一.无人机简介无人机的航迹规划是指在综合考虑无人机飞行油耗.威胁.飞行区域以及自身物理条件限制等因素的前提下, 为飞行器在飞行区域内规划出从初始点到目标点最优或者满意的飞行航迹, 其本质是一个多约 ...
【定位问题】RSSI和模拟退火优化粒子群算法求解无线传感器网络定位问题【含Matlab源码 1766期】
⛄一.简介 1 引言随着物联网技术的发展,传感器之间通过通信方式连接在一起,构成了极为庞大的无线传感器网络,这使得传感器在各行各业的应用相当广泛[.然而,因为大规模抛撒的传感器节点无法全部配备价格昂 ...
【电力系统】基于matlab粒子群算法求解热电联产系统优化配置问题【含Matlab源码 2298期】
⛄一.热电联产系统优化配置问题 1 能量枢纽模型能量枢纽模型通过增加能源的供给路径提升能源系统的经济性.灵活性和安全性[6].图1展示了一种典型的能量枢纽模型. 图1 典型能量枢纽模型示意图 1.2 ...
【车间调度】粒子群算法求解6X6车间调度问题【含Matlab源码 411期】
⛄一.车间调度简介 1 车间调度定义车间调度是指根据产品制造的合理需求分配加工车间顺序,从而达到合理利用产品制造资源.提高企业经济效益的目的.车间调度问题从数学上可以描述为有n个待加工的零件要在m台 ...
【ACO TSP】基于matlab蚁群算法求解31城市旅行商问题【含Matlab源码 1147期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[TSP]基于matlab蚁群算法求解31城市旅行商问题[含Matlab源码 1147期] 点击上面蓝色字体,直接付费下载,即可. 获取代码 ...

【ELM预测】基于粒子群算法PSO优化极限学习机预测含Matlab源码

1 模型

2 部分代码

3 仿真结果

4 参考文献

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

【ELM预测】基于粒子群算法PSO优化极限学习机预测含Matlab源码相关推荐

最新文章

热门文章