【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 < 2error('ELM:Arguments','Not enough input arguments.');end​[R,Q] = size(P); %​if nargin < 3N = size(P,2);end​if nargin < 4TF = 'sig';end​if nargin < 5TYPE = 0;endif nargin < 6IW = rand(N,R) * 2 - 1;endif nargin < 7B = rand(N,1);end​if size(P,2) ~= size(T,2)error('ELM:Arguments','The columns of P and T must be same.');end​if TYPE == 1T = ind2vec(T);end[S,Q] = size(T);​BiasMatrix = repmat(B,1,Q);​tempH = IW * P + BiasMatrix;switch TFcase 'sig'H = 1 ./ (1 + exp(-tempH));case 'sin'H = sin(tempH);case 'hardlim'H = hardlim(tempH);end​LW = 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-% Copyright% $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, , 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。