遗传算法改进的多模式污染物集成预报

针对如今庞大复杂的多模式数值预报数据以及数值模式下大气污染物浓度精度不高的问题,提出一种引入遗传算子的极限学习机改进遗传算法的多模式污染物集成预报方法。根据不同季节下单一模式污染物预测值和实况值的相关系数和偏差选取集成预报模式作为输入,定量模拟遗传算法中算子的操作构建ELM进化机制并与遗传算法结合建立多模式污染物集成预报模型。数据基于8种数值模式的天津区域自动气象站点资料,并与其它算法进行对比实验,实验结果表明,该算法预报精度优于单模式及其它算法。