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

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)

基于Storm的在线序列极限学习机的气象预测模型

欧阳建权1,2周 勇1唐欢容1,2

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)

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

随着信息技术的飞速发展，各个领域信息化程度不断加深，天气预报、工业生产、交通管理、图像识别、医疗诊断等人们生活中频繁接触的日常应用越来越依靠计算机系统来采集、存储和分析数据，而其中数据分析和处理的关键正是机器学习技术.随着机器学习技术的研究日益深入，也给气象行业带来了新的挑……