為提高泥石流預(yù)測預(yù)報(bào)的準(zhǔn)確性,提出一種基于DBSCAN聚類的改進(jìn)極限學(xué)習(xí)機(jī)(ELM)算法。首先,利用DBSCAN算法對泥石流發(fā)生訓(xùn)練的數(shù)據(jù)進(jìn)行聚類處理;其次,將聚類得到的不同訓(xùn)練集分類訓(xùn)練ELM分類器;最后,利用ELM分類器對預(yù)測集數(shù)據(jù)進(jìn)行預(yù)測。實(shí)驗(yàn)結(jié)果表明,利用改進(jìn)ELM算法對泥石流發(fā)生預(yù)測的平均準(zhǔn)確率達(dá)到91.6%,改進(jìn)ELM算法的穩(wěn)定性與傳統(tǒng)ELM算法相比有明顯提高,與傳統(tǒng)ELM算法、BP神經(jīng)網(wǎng)絡(luò)和Fisher預(yù)測法相比,改進(jìn)ELM算法的預(yù)測精度更高。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖2鄰域?yàn)?.5時(shí)的聚類

圖1鄰域?yàn)?時(shí)的聚類圖3鄰域?yàn)?時(shí)的聚類

圖3鄰域?yàn)?時(shí)的聚類

圖2鄰域?yàn)?.5時(shí)的聚類圖4鄰域?yàn)?.5時(shí)的聚類

圖1鄰域?yàn)?時(shí)的聚類

在ELM算法當(dāng)中，選取Sigmoid函數(shù)作為激活函數(shù)，輸入權(quán)值w和隱含層偏置b隨機(jī)初始化。為了獲得最佳的聚類效果，選擇區(qū)分度最高的集水區(qū)平均坡度和主溝長度作為聚類依據(jù)，為了保證獲得正常數(shù)目的類別數(shù)并且區(qū)分出噪聲點(diǎn)，設(shè)置最少點(diǎn)數(shù)量MinPts=2；分別對鄰域Eps=1、Eps=1.....

圖4鄰域?yàn)?.5時(shí)的聚類

圖3鄰域?yàn)?時(shí)的聚類從圖1～圖4分析可得，當(dāng)Eps增大時(shí)，類簇?cái)?shù)和噪聲點(diǎn)逐漸減少。Eps取1時(shí)，有5個(gè)類簇，9個(gè)噪聲點(diǎn)存在；Eps取1.5時(shí)，有6個(gè)類簇，3個(gè)噪聲點(diǎn)存在；Eps取2時(shí)，有2個(gè)類簇，3個(gè)噪聲點(diǎn)存在；Eps取2.5時(shí)，有2個(gè)類簇，2個(gè)噪聲點(diǎn)存在。隨著鄰域的增大，類簇....

本文編號：4001302