GA优化核极限学习机

训练快且预测准

一种将遗传算法与核极限学习机结合的改进方法,能自适应优化结构参数,提升空气质量指数预测的精度和速度。

Chunhao, Liu · Pan, Guangyuan · Dongming, Song · Hao, Wei

IEEE Access 2023

技术优势

预测更准

遗传算法自动优化网络结构与参数,找到搜索空间中的最优解,通过迭代提升模型预测精度,避免人工调参的不确定性。

训练更快

采用核方法生成核矩阵替换隐层输出矩阵,并结合最小二乘法计算输出权重,降低了计算复杂度,缩短了训练时间。

适用多种污染物

模型可同时预测 SO2、NO2、PM10、CO、O3、PM2.5 浓度和 AQI,覆盖常见空气质量指标,适用于多污染物综合监测。

自动寻优

遗传算法自动搜索最优隐层节点数和层数,无需人工反复试验,降低了建模门槛并提升模型泛化能力。

应用场景