• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

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

欧阳建权, 周勇, 唐欢容. 基于Storm的在线序列极限学习机的气象预测模型[J]. 计算机研究与发展, 2017, 54(8): 1736-1743. DOI: 10.7544/issn1000-1239.2017.20170213
引用本文: 欧阳建权, 周勇, 唐欢容. 基于Storm的在线序列极限学习机的气象预测模型[J]. 计算机研究与发展, 2017, 54(8): 1736-1743. DOI: 10.7544/issn1000-1239.2017.20170213
Ouyang Jianquan, Zhou Yong, Tang Huanrong. A Meteorological Predication Model Based on Storm and Online Sequential Extreme Learning Machine[J]. Journal of Computer Research and Development, 2017, 54(8): 1736-1743. DOI: 10.7544/issn1000-1239.2017.20170213
Citation: Ouyang Jianquan, Zhou Yong, Tang Huanrong. A Meteorological Predication Model Based on Storm and Online Sequential Extreme Learning Machine[J]. Journal of Computer Research and Development, 2017, 54(8): 1736-1743. 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

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

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

  • 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.
    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.
  • 期刊类型引用(14)

    1. 孙造诣,许苇婧,徐亮,李宏汀. 调节定向对App用户隐私披露的影响. 心理科学进展. 2023(07): 1160-1171 . 百度学术
    2. 王宏. 基于知识图谱的中外用户隐私研究对比分析. 大学图书情报学刊. 2023(04): 136-145 . 百度学术
    3. 冯晗,伊华伟,李晓会,李锐. 推荐系统的隐私保护研究综述. 计算机科学与探索. 2023(08): 1814-1832 . 百度学术
    4. 李静,赵青杉,高媛. 基于机器学习的大数据隐私非交互式查询研究. 计算机仿真. 2023(08): 334-338 . 百度学术
    5. 刘振,吴宇. 基于区块链的自适应权重趋势感知联邦学习方案. 电子设计工程. 2023(24): 75-80 . 百度学术
    6. 雷可为,王小辉. 基于微信公众平台的景区个性化推荐系统设计. 信息技术. 2022(01): 56-61 . 百度学术
    7. 朱智韬,司世景,王健宗,肖京. 联邦推荐系统综述. 大数据. 2022(04): 105-132 . 百度学术
    8. 张洪磊,李浥东,邬俊,陈乃月,董海荣. 基于隐私保护的联邦推荐算法综述. 自动化学报. 2022(09): 2142-2163 . 百度学术
    9. 胡至洵,杜宇,刘潇月. 基于用户兴趣分类的书籍自动推荐系统设计. 现代电子技术. 2021(06): 58-62 . 百度学术
    10. 马苏杭,龙士工,刘海,彭长根,李思雨. 面向高维数据发布的个性化差分隐私算法. 计算机系统应用. 2021(04): 131-138 . 百度学术
    11. 马黛露丝,朱海萍,田锋,冯沛,陈妍,计湘婷,李玉杰. 一种权衡性能与隐私保护的推荐算法. 西安交通大学学报. 2021(07): 117-123 . 百度学术
    12. 邓翔天,钱海峰. 标准模型下的灵活细粒度授权密文一致性检测方案. 计算机研究与发展. 2021(10): 2222-2237 . 本站查看
    13. 周俊,方国英,吴楠. 联邦学习安全与隐私保护研究综述. 西华大学学报(自然科学版). 2020(04): 9-17 . 百度学术
    14. 周艳榕. 基于个性化特征的电子商务智能推荐系统. 现代电子技术. 2020(19): 155-158+162 . 百度学术

    其他类型引用(25)

计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 39
出版历程
  • 发布日期:  2017-07-31

目录

    /

    返回文章
    返回