1 简介
为了提高粮食产量预测的准确性,针对我国粮食产量受到多因素影响且呈非线性关系的特点,提出主成分分析和极限学习相结合的粮食产量短期精准预测方法.首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法构建影响粮食产量的主要成分,从而降低影响因子的维度.其次,根据粮食数据样本集少,输入变量与输出变量间呈非线性关系的特点.构建粮食产量的极限学习机预测模型并对模型参数进行比较优化.最后,通过对实际粮食产量数据的应用以及与其它预测方法的比较,研究模型的预测精度.结果表明,基于极限学习机的粮食产量预测模型能够实现粮食产量的短期精准预测.
2 部分代码
function [B,IW,beta]=elmtrain(P,T,N,lambda,TF) [R,Q] = size(P); mu=rand; b=log(1+exp(0.1*rand)); %% [p1,p2,p3]=pca(P);IW=p1(:,1:N); B = orth(rand(N,1)); BiasMatrix = repmat(B,1,R)'; % if Q>=N % IW =orth(mu+b*rand(Q,N)); % else % IW =(mu+b*rand(Q,N))'; % IW=orth(IW)'; % end tempH = P*IW+BiasMatrix; switch TF %激活函数 case 'sig' H = 1 ./ (1 + exp(-tempH)); case 'sin' H = sin(tempH); case 'hardlim' H = hardlim(tempH); end beta = (pinv((H'*H+eye(N)/lambda)')*H')*T;
3 仿真结果
4 参考文献
[1]樊超, 郭亚菲, 曹培格,等. 基于主成分分析的粮食产量极限学习机预测模型研究[J]. 粮食加工, 2017, 42(2):5.
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，有科研问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
