TY -的盟Yaseen查希尔Mundher盟,法里斯Hossam AU -安Nadhir PY - 2020 DA - 2020/02/21 TI -杂化极端学习机模型樽海鞘群算法:一种新的预测模型为水文应用SP - 8206245六世- 2020 AB -的能力极端学习机(ELM)模型在随机建模,非线性和复杂的水文工程问题已被证明非常。经典的榆树训练算法是基于nontuned和随机过程可能不是有效的收敛性能优良或诱捕的局部最小值的问题。当前的研究调查的集成(即新探索metaheuristic算法。樽海鞘群算法(SSA))与榆树模型预测月河流量。二十年的河流量数据的时间序列在巴格达底格里斯河站,伊拉克,作为案例研究。不同的输入组合应用构造预测模型基于前期值。结果评估是基于几个统计措施和图形演示。河流量预测的准确性SSA-ELM优于经典的榆树和其他人工智能(AI)模型。测试阶段,提出SSA-ELM模型取得了令人满意的提高精度水平(8.4和13.1的比例增加RMSE和梅)分别对经典的榆树模型。总之,研究确定,SSA-ELM模型是一个合格的信息资料月河流量预测模型在底格里斯河,伊拉克。SN - 1076 - 2787你——https://doi.org/10.1155/2020/8206245——10.1155 / 2020/8206245 JF - PB - Hindawi KW - ER -复杂性