基于PSO/DE-ELM模型的云贵高原干旱预测

打开文本图片集

摘要：

气候变化导致西南地区面临愈加严重的干旱问题，为准确预测该区域干旱情势，分别构建了粒子群算法（PSO）和差分进化算法（DE）优化的极限学习机（ELM）模型，并将其应用于云贵高原干旱预测，从预测精度和特征值模拟能力等方面比较了PSO-ELM模型和DE-ELM模型在云贵高原干旱预测中的适用性。结果表明：①PSO-ELM模型和DE-ELM模型均能够有效预测云贵高原不同时间尺度下的干旱状况，模拟值与实测值的相关系数均在0.75以上，均方根误差均小于0.65；②两种模型对最大值、最小值、不同百分位数等特征统计值、干旱历时和干旱强度的拟合效果较好，能够有效反映研究区干旱特征；③相较而言，DE-ELM模型的预测性能略优于PSO-ELM模型，在云贵高原干旱预测中具有更强的适用性。（剩余9295字）