MRMR-SA-EGA-ELM的叶绿素a浓度预测模型研究

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：陈优良, 陶剑辉, 黄劲松, 肖钢

摘要：为提高叶绿素a浓度的预测精度, 以南太湖区域-湖州市新塘港2020年5月至11月份的水质监测数据为原始样本数据, 使用最大相关最小冗余算法(MRMR)从原始样本数据中选取效果更优的特征值, 作为预测模型的输入数据, 将精英遗传算法(EGA)与模拟退火算法(SA)组合优化极限学习机(ELM)网络的初始参数, 最终构建MRMR-SA-EGA-ELM叶绿素a浓度预测模型。实验结果表明, MRMR-SA-EGA-ELM模型预测叶绿素a浓度的平均绝对误差(MAE)、均方误差(MSE)、决定系数(R2)分别为1.009、1.607、0.903, 而ELM模型预测结果的MAE、MSE、R2分别为2.078、8.249、0.562, MRMR-SA-EGA-ELM模型的效果得到显著提升, 可实现对叶绿素a浓度的准确预测。

关键词：叶绿素a浓度, 最大相关最小冗余, 精英遗传算法, 模拟退火算法, 极限学习机