|
|||||
|
|
| 样本输入方式对极端学习机预报日长变化的影响 | |
| 引用本文： | 雷雨,蔡宏兵,赵丹宁.样本输入方式对极端学习机预报日长变化的影响[J].天文研究与技术,2015(3). |
| 作者姓名： | 雷雨 蔡宏兵 赵丹宁 |
| 作者单位： | 1. 中国科学院国家授时中心，陕西 西安 710600; 中国科学院时间频率基准重点实验室，陕西 西安 710600; 中国科学院大学，北京 100049 2. 中国科学院国家授时中心，陕西 西安 710600; 中国科学院时间频率基准重点实验室，陕西 西安 710600 3. 中国科学院国家授时中心，陕西 西安 710600; 中国科学院大学，北京 100049 |
| 基金项目： | 中国科学院“西部之光”人才培养计划联合学者资助项目 |
| 摘 要： | 针对极端学习机(Extreme Learning Machine,ELM)用于日长(Length-Of-Day,LOD)变化预报过程中,样本输入方式对预报结果的影响进行了研究。采用跨度、连续和迭代3种样本输入方式对日长变化进行预报。结果表明,不同的样本输入方式对预报结果有很大影响,样本按跨度输入的预报精度最低;样本采用连续输入方式在短期和中长期预报中预报精度较高,但计算速度较慢,较适合中长期预报;样本按迭代输入方式的短期预报精度稍优于连续输入方式,而中长期预报精度则不如连续输入方式,但具有较高的预报效率。这对于日长变化的实时快速预报有着较高的现实意义。 |
| 关 键 词： | 地球自转参数 日长变化 预报模型 极端学习机 输入方式 |
Effects of Training Patterns on Predictions of Variations of Length Of Day Using an Extreme Learning Machine Neural Network |
|
| Lei Yu,Cai Hongbing,Zhao Danning.Effects of Training Patterns on Predictions of Variations of Length Of Day Using an Extreme Learning Machine Neural Network[J].Astronomical Research & Technology,2015(3). | |
| Authors: | Lei Yu Cai Hongbing Zhao Danning |
| Abstract: | |
| Keywords: | Earth-Rotation Parameters (ERP) Variations of Length-Of-Day (LOD) Prediction model Extreme Learning Machine ( ELM) Training patterns |
| 本文献已被 CNKI 等数据库收录！ | |