本文主要研究内容
作者匡亮,华驰,邓小龙,施佩（2019）在《一种优化极限学习机的果园湿度预测方法》一文中研究指出：针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文在果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM)。该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维。然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试。以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性。实验结果表明,该预测算法的RMSE、MAPE和MAE分别为0.503 8、0.005 1和0.397 4,能较好的预测环境湿度信息。
Abstract
zhen dui chuan tong shui mi tao chong zhi guo cheng zhong huan jing jian ce shi shi xing cha 、ren li wu li lang fei yan chong de xian zhuang ,tong guo mo xian chuan gan wang lao ji shu (WSN),ben wen zai guo yuan huan jing jian ce ji tong de ji chu shang di chu yi chong you hua ji xian xue xi ji de shi du yu ce fang fa (PSO-ELM)。gai fang fa shou xian shi yong zhu cheng fen fen xi fa (PCA)dui huan jing jian ce shu ju jin hang fen xi ,shi xian shu ju de jiang wei 。ran hou li yong li zi qun suan fa (PSO)you hua ji xian xue xi ji (ELM)de chu shi quan zhi 、pian zhi ,dui xun lian ji he ce shi ji fen bie jin hang ce shi 。yi guo yuan huan jing jian ce ji tong zhong 9tian (1296zu )shu ju wei ce shi dui xiang ,jiang PSO-ELMsuan fa yu xian xing hui gui 、ELMshen jing wang lao jin hang dui bi ,yan zheng yu ce fang fa de ke kao xing 。shi yan jie guo biao ming ,gai yu ce suan fa de RMSE、MAPEhe MAEfen bie wei 0.503 8、0.005 1he 0.397 4,neng jiao hao de yu ce huan jing shi du xin xi 。
论文参考文献
论文详细介绍
论文作者分别是来自传感技术学报的匡亮,华驰,邓小龙,施佩，发表于刊物传感技术学报2019年03期论文，是一篇关于无线传感网论文,湿度论文,粒子群优化论文,极限学习机论文,预测算法论文,传感技术学报2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自传感技术学报2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：无线传感网论文; 湿度论文; 粒子群优化论文; 极限学习机论文; 预测算法论文; 传感技术学报2019年03期论文;