文献类型：期刊文章

作　　者：刘振男[1] 杜尧[2] 韩幸烨[2] 和鹏飞[2] 周正模[2] 曾天山[2]

LIU Zhennan;DU Yao;Han Xingye;HE Pengfei;Zhou Zhengmo;ZENG Tianshan(College of Civil Engineering,Guizhou Institute of Technology,Guiyang 550001,China;College of Hydrology and Water Resources,Hohai University,Nanjing 210098,China)

机构地区：[1]贵州理工学院土木工程学院,贵州贵阳550001 [2]河海大学水文水资源学院,江苏南京210098

出　　处：《人民长江》

基　　金：国家自然科学基金项目(51879069);贵州省科技厅项目(黔科合LH字[2016]7096)。

年　　份：2020

卷　　号：51

期　　号：8

起止页码：13-18

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机(GA-ELM)模型进行干旱预测。以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)模型、极限学习机(Extreme Learning Machine,ELM)模型的预测结果进行比较。结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型。

关 键 词：干旱预测 GA-ELM  SPEI  云贵高原

分 类 号：P338]