基于分解-聚類-集成方法的極端天氣指數預測
楊嘉偉 中南財經政法大學統計與數學學院; 湖北武漢430073
關鍵詞：集成學習 特征分解 聚類提升
摘要：海平面上升和極端天氣的增加對人類生活的方方面面都產生了重大影響。預測極端氣候指數(ACI)已成為一個現實而關鍵的研究課題。針對ACI的預測問題,提出了分解-聚類-集成學習方法。首先,采用了綜合經驗模式分解(EEMD),將原始數據分解成若干個分量;然后,利用基于鯨魚優化算法(whale optimization algorithm,WOA)優化的最小二乘支持向量回歸(LSSVM)分別對分量進行預測;最后,利用另一個WOA-LSSVM對每個聚類產生的預測分量進行聚類,得到預測結果。為了研究DCE學習方法的預測性能,比較了ARIMA、BP神經網絡、LSSVM和EEMD-LSSVM-ADD四種模型。比較結果表明,DCE學習方法比其他基準模型具有更好的性能和更小的誤差值。
中南財經政法大學研究生學報雜志要求:
{1}作者姓名、工作單位、詳細地址、郵編、聯系電話、E-mail等，以便溝通聯系。
{2}凡投寄本刊的稿件請勿一稿多投，若三個月內未收到用稿通知，作者可自行處理。
{3}論文標題要精練，一般不超過20個字，必要時可加副標題。
{4}參考文獻要精選，以不少于5篇為宜。引用文獻中書刊的層次、數量、出版年份要仔細挑選核實，盡量引用出版年份較新的期刊論文、書籍、論文集。
{5}摘要只需簡明、準確地概述論文內容即可，不要增加注釋和評價性文字，以150-200字為宜。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
