基于CS算法改进ELM的时间序列预测

为解决现有时间序列预测模型稳定性差、训练时间长、预测精度低等问题,提出一种基于布谷鸟搜索(CS)算法改进的极限学习机(ELM)的时间序列预测模型。利用CS算法对ELM模型进行改进,自适应调节ELM的隐含层节点数,选取最优的一组输入权值和阈值,提高预测精度和稳定性,减少训练时间。实验结果表明,在单步预测方面,CSELM预测精度高,用时少,在稳定性方面达到了很好的效果,将CS-ELM应用到话务量多步预测中,达到了很好的预测精度。