基于改进的ELM黄河流域含沙量预测方法研究

针对极限学习机(ELM)只考虑样本重要性和非线性映射能力较弱等问题,提出了一种基于特征加权核极限学习机算法(Feature Weighted Kernel ELM,FWKELM)。方法从样本的特征重要性出发,利用自助特征加权(Bootstrap feature weights)算法对极限学习机的激活函数进行了加权处理。为了验证该算法的有效性,对黄河流域的含沙量进行了预测。通过对含沙量的仿真实验,与原极限学习机算法相比,文章提出的FWKELM算法在预测精度和泛化性能上均优于原算法。