基于Storm的在线序列极限学习机的气象预测模型

欧阳建权; 周勇; 唐欢容

doi:10.7544/issn1000-1239.2017.20170213

基于Storm的在线序列极限学习机的气象预测模型

¹(湘潭大学信息工程学院湖南湘潭 411105)
²(智能计算与信息处理教育部重点实验室(湘潭大学) 湖南湘潭 411105) (oyjq@xtu.edu.cn)

基金项目: 国家自然科学基金项目(61672495)；湖南省教育厅重点项目(16A208)

详细信息

中图分类号: TP391
计量
- 文章访问数: 01348
- HTML全文浏览量: 0
- PDF下载量: 0505
出版历程
- 发布日期: 2017-07-31

A Meteorological Predication Model Based on Storm and Online Sequential Extreme Learning Machine

¹(College of Information Engineering, Xiangtan University, Xiangtan, Hunan 411105)
²(Key Laboratory of Intelligence Computing and Information Processing(Xiangtan University), Ministry of Education, Xiangtan, Hunan 411105)

摘要

摘要: 为提高气象预测精度，实时应对频发的局域气象灾害，拥有更高的处理海量数据的效率，提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机，当新批次的数据不断到达时，模型能够在训练结果的基础上继续学习新样本，并引入随机梯度下降法和误差权值调整方法，对新的预测结果进行误差反馈，实时更新误差权值参数，以提高模型预测准确率.另外，采用Storm流式处理框架对提出的算法模型进行并行化改进，以提高处理海量高维数据的能力.实验结果表明：该模型与基于Hadoop的并行极限学习机算法(parallel extreme learning machine, PELM)相比，具有更高的预测精度和优异的并行性能.
- Storm /
- 极限学习机 /
- 气象预测 /
- 在线序列 /
- 机器学习
Abstract: In order to improve the accuracy of meteorological forecasting, deal with frequent local meteorological disasters in real time, and have higher efficiency of dealing with massive data, this paper proposes a meteorological forecasting model using the Storm-based online sequential extreme learning machine. The model firstly initializes multiple online extreme learning machine. When new batches of data arrive, the model continually studies the new data samples based on the training results, and introduces the stochastic gradient descent method and the error weight adjustment method to give the error feedback for new prediction results and then update the error weight parameters in real time, and finally to improve prediction accuracy. In addition, the Storm flow processing framework is adopted to improve the proposed model in the aspect of parallelism in order to enhance the ability of dealing with massive high-dimensional data. The experimental results show that compared with the Hadoop-based parallel extreme learning machine (PELM), the proposed model has higher prediction accuracy and more excellent parallelism.
- Storm /
- extreme learning machine /
- meteorological predication /
- online sequence /
- machine learning

HTML全文

参考文献(0)

施引文献(13)

期刊类型引用(6)

1.	宋传鸣，王一琦，武惠娟，何熠辉，洪飏，王相海. 深度卷积网络的自然场景文本检测研究综述. 小型微型计算机系统. 2023(09): 1996-2008 . 百度学术
2.	朱建伟，李朝奎，黄云涛，王佳欣，钟森. 车载遥感高速公路广告影像的文本信息提取研究与应用. 遥感信息. 2022(02): 126-130 . 百度学术
3.	赵芳，贺怡. 基于人工电场优化的软件定义物联网路由算法. 计算机工程与设计. 2021(10): 2725-2732 . 百度学术
4.	李凯勇. 大区域图像局部破损点优化提取仿真. 计算机仿真. 2020(05): 439-442+457 . 百度学术
5.	李朝献. 基于自适应三维立体图像增强优化处理研究. 计算机仿真. 2020(12): 358-361 . 百度学术
6.	索岩，崔智勇. 场馆监控图像的DCT域视觉显著性检测仿真. 计算机仿真. 2020(12): 421-425 . 百度学术