基于优化极限学习机模型的京津冀地区气象干旱预报研究

作者：王小亚; 贾悦^*

来源：中国防汛抗旱, 2023, 33(03): 72-77.

DOI：10.16867/j.issn.1673-9264.2022303

• 京津冀地区
• 气象干旱
• 机器学习
• 麻雀算法
• 极限学习机模型

基于京津冀地区气象干旱较严重的现状，为找出适用于京津冀地区干旱预报的标准模型，以相对湿润指数（MI）和极限学习机模型（ELM）为基础，基于麻雀搜索算法（SSA）、粒子群算法（PSO）、遗传算法（GA）3种优化算法，构建了SSA-ELM、PSO-ELM、GA-ELM共3种优化模型，并将计算结果与ELM模型、广义回归神经网络模型（GRNN）和BP神经网络模型作比较，结果表明：京津冀地区的气象干旱普遍较严重，尤其在春季和冬季，全区基本均以特旱为主；SSA-ELM模型在干旱预报中表现出了较高的精度，该模型的误差指标最低，同时一致性指标最高，且综合性绩效指数（GPI）为1.36，在所有模型中精度排名第1，因此，SSA-ELM模型可作为京津冀地区干旱预报的推荐模型使用。

• 单位
  河北水利电力学院