Abstract：
为满足给水系统日常管理对短期需水量预测时效的需求，建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine, KELM);从提升预测精度的角度考虑，构造了以傅里叶级数为理论依据的残差修正模块(Fourier series, FS),利用该模块对需水量初始预测值与观测值之间的差值进行建模，完成对初始预测值的残差修正，将该模块叠加于KELM模型上形成了组合预测模型(KELM+FS)。通过实际数据对模型进行性能测试，结果表明：KELM模型能够与人工神经网络模型、支持向量回归模型产生相似的预测精度，但预测时间仅为二者平均值的5%左右；组合模型K...
Keyword：
Reprint Author's Address：
Email：
Source ：
哈尔滨工业大学学报
Year： 2022
Issue： 02
Volume： 54
Page： 17-24
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
