基于蚁狮算法优化深度极限学习机的水质评价研究

为提高水质评价的准确性,提出一种基于蚁狮算法优化深度极限学习机的水质评价模型.由于深度极限学习机采用随机方式对权重和阈值进行初始化,使权重和阈值存在随机性和不确定性,针对这一问题,选用蚁狮算法对深度极限学习机的权重和阈值进行初始化,然后用训练样本集数据对深度极限学习机进行训练,用训练好的模型对测试样本进行水质评价预测,并与深度极限学习机及其他智能算法优化深度极限学习机模型进行对比.对比实验结果表明,蚁狮算法优化的深度极限学习机模型的水质评价预测结果明显优于深度极限学习机,也优于其他智能算法优化的深度极限学习机模型,验证了该方法在水质评价预测中的有效性.