论文部分内容阅读
针对极端学习机（ExtremeLearningMachine，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