34、基于软计算的每日降雨预测与社交媒体情感分类模型研究

基于软计算的每日降雨预测与社交媒体情感分类模型研究

1. 每日降雨预测模型研究

在人类生活中，天气起着至关重要的作用，准确及时的降雨预测对于日常活动、农业以及许多商业发展计划都极为关键。然而，降雨预测是一个复杂的问题，传统的线性和非线性方法在建模降雨时间序列时面临诸多挑战，因为水文过程复杂，涉及多种难以理解的预测因素，如地貌和气候因素。

自21世纪以来，基于软计算的机器学习方法逐渐取代基于统计的方法，成为最广泛应用的预测建模方法。近年来，许多关于每日和短期定量降雨预测的研究都集中在软计算方法与其他方法或数值天气预报（NWP）的结合上。

1.1 理论概述

• 极限学习机（ELM） ：由黄等人提出，它能够解析地学习网络参数。与传统的基于梯度的学习算法相比，ELM学习速度更快，泛化性能更高，还避免了基于梯度的学习方法所面临的许多困难，如停止准则、学习率、学习轮数和局部最小值等问题。在许多情况下，ELM在学习速度、可靠性和泛化能力方面都优于BP和支持向量机（SVM）。
• 基因表达式编程（GEP） ：由Ferreira提出，是一种显著的进化算法，它继承了遗传算法（GA）和遗传编程（GP）的优点，同时克服了它们的缺点。GEP个体被编码为固定长度的线性字符串，随后被表达或转换为不同大小和形状的表达式树的非线性实体。许多研究表明，GEP在数据挖掘和优化问题上具有很强的能力，特别适用于处理符号回归问题和函数挖掘。

1.2 混合建模流程

该混合建模流程主要包括以下四个步骤：
1. 区域划分 ：根据历史降雨数据将目标预测区域划分为若干个区域，以便为不同区域建立更合适的降雨预测模型。
2. 数据预处理 ：对所有区域的相关降雨预测因子数据集进行Z-Score归一化处理，然后使用核主成分分析（KPCA）算法减少噪声并提取预测因子的特征。
3. 模型训练 ：使用ELM - GEP两阶段建模方法，结合不同区域的历史降雨数据进行训练，构建相应的不同模型。
4. 降雨预测 ：使用相应的不同模型对不同区域的降雨量进行预测。

其流程可用以下mermaid流程图表示：

graph LR
    A[区域划分] --> B[数据预处理]
    B --> C[模型训练]
    C --> D[降雨预测]

1.3 ELM - GEP两阶段混合建模算法

ELM在处理大尺寸训练样本时非常高效，但由于其输出权重是基于随机选择的输入权重和隐藏偏置计算的，可能存在一组非最优或不必要的输入权重和隐藏偏置，从而降低了拟合能力和预测性能。因此，提出了ELM - GEP两阶段建模方法，其主要思想是通过ELM模型降低建模误差的风险，以达到更高的拟合能力和预测性能。具体步骤如下：
- 主建模阶段 ：
1. 随机分配输入权重和偏置。
2. 使用训练集计算隐藏层输出矩阵H。
3. 计算伪逆矩阵。
4. 设置输出权重。
5. 返回主模型fmain及其误差EELM。
- 误差建模阶段 ：
1. 输入每日降雨训练集的X和主建模阶段计算出的主模型误差，作为新的训练集。
2. 初始化GEP算法，并使用新的训练集对染色体进行编码。
3. 评估适应度。
4. 选择染色体。
5. 进行重组。
6. 进行变异、插入序列（IS）和反向插入序列（RIS）操作。
7. 评估适应度。
8. 循环步骤4，直到达到最大代数。
9. 如果达到预设精度，则返回最佳染色体的解码结果作为误差模型ferror，否则返回步骤2。
- 构建混合预测模型 ：f(x, y) = fmain(x, y) + ferror(x, EELM)

1.4 实验与讨论

1.4.1 数据集

实验数据包含中国广西气象信息中心提供的89个气象站在6年（2003 - 2008年）5月期间179天的每日降雨数据。其中，2003 - 2007年5月的每日降雨数据用于模型训练，其余数据用作独立样本进行验证和预测测试。根据两种48小时数值预测产品数据（中国气象局的T213数值预测模型和日本气象厅的全球光谱模型）选择研究区域降雨预测的主要因素。具体操作是，分别使用T213和JMA数值预测模型的降雨网格点序列以及2002 - 2004年5月的实际每日降雨序列，对应训练样本时间序列号进行相关普查，选择置信水平大于0.01的高相关网格点作为模型输入降雨场的主要因素，最终选择了29个主要因素，各因素与预测对象的相关系数在0.35 - 0.50之间。日期1 - 148的数据用于模拟，日期149 - 179的数据用于预测。

1.4.2 模型性能评估与参数设置

为了衡量所提出方法的有效性，使用平均绝对误差（MAE）和均方根误差（RMSE）来评估模型的性能。与之前研究中的多种降雨预测模型（支持向量回归（SVR）、反向传播神经网络（BP）和非线性自回归神经网络（NAR）等）进行比较，本研究不仅构建了提出的ELM - GEP降雨预测模型，还构建了基于ELM、LIBSVR（著名的SVM工具包）、BP和NAR的其他四种降雨预测模型，并与中国国家气象中心开发的第四代全球中期数值天气预报系统T213模型进行比较。相关算法的主要参数设置如下表所示：
| 算法 | 参数 | 值 | 算法 | 参数 | 值 |
| — | — | — | — | — | — |
| ELM | 隐藏神经元数量 | 148 | BP | 隐藏神经元数量 | 148 |
| | 隐藏层数 | 1 | | 隐藏层数 | 3 |
| | 激活函数 | 高斯函数 | | 激活函数 | 高斯函数 |
| | 正则化系数 | 1 | | epochs | 1000 |
| | 核函数 | RBF | | lr | 0.001 |
| LIBSVR | 参数值 | | NAR | 隐藏神经元数量 | 148 |
| | 核函数 | Sigmoid | | 隐藏层数 | 3 |
| | 损失函数的P值 | 0.1 | | 激活函数 | 高斯函数 |
| | SVM类型 | C - SVC | | trainRatio | 80% |
| | | | | valRatio | 20% |
| GEP | 函数集 | +, -, *, /, sin, cos | GEP | 种群大小 | 100 |
| | 最大代数 | 1000 | | 头长度 | 17 |
| | 适应度函数 | 1/RMSE | | 变异率 | 0.3 |
| | 1/2点交叉率 | 0.3 | | IS/RIS率 | 0.05 |
| | | | | 反转率 | 0.05 |

1.4.3 预测结果与讨论

以相关性绝对值高于0.37为标准，将广西的89个气象站划分为三个区域，相关系数均大于0.35。所有结果均为50次试验的平均值，以避免随机偏差。各种预测模型的比较结果如下表所示：
| 比较模型 | 区域 | MAE (mm) | RMSE (mm) | 比较模型 | 区域 | MAE (mm) | RMSE (mm) |
| — | — | — | — | — | — | — | — |
| ELM - GEP | 1 | 3.197 | 1.821 | SVM | 1 | 10.929 | 16.242 |
| | 2 | 2.915 | 0.966 | | 2 | 6.843 | 12.042 |
| | 3 | 4.289 | 5.400 | | 3 | 6.066 | 9.014 |
| T213 | 1 | 9.454 | 13.519 | BP | 1 | 3.204 | 4.314 |
| | 2 | 8.202 | 10.705 | | 2 | 3.022 | 2.877 |
| | 3 | 9.227 | 15.323 | | 3 | 5.308 | 10.988 |
| ELM | 1 | 3.273 | 2.338 | NAR | 1 | 11.751 | 15.839 |
| | 2 | 4.422 | 7.873 | | 2 | 4.402 | 9.631 |
| | 3 | 5.138 | 8.122 | | 3 | 7.110 | 9.867 |

从表中可以看出，无论使用MAE还是RMSE进行评估，ELM - GEP模型在本研究中都表现出最高的准确性和最低的误差。这表明ELM - GEP模型在每日降水量预测方面具有很高的预测精度，在所有模型中表现最佳。

2. 社交媒体文本数据情感分类中ELM与SVM的比较研究

2.1 研究背景与意义

随着信息技术的发展，机器学习成为解决数据相关问题的重要工具。机器学习算法主要分为监督学习、无监督学习和强化学习三种类型。在有足够的标记数据时，监督学习方法在解决分类和预测问题上表现出显著优势。

情感分类是情感分析的一个子领域，旨在将评论或文档分为积极、消极或中性类别。社交媒体数据蕴含着大量有价值的信息，如对不同品牌或话题的意见、态度和情感等，因此社交媒体上的意见或情感分类吸引了众多研究者的关注。通常采用基于学习和非基于学习的两种方法来解决这个问题，其中基于监督学习的方法更受青睐，因为它们可以利用大量标记的训练数据自动生成分类器模型，实现高效的情感分类。

支持向量机（SVM）和极限学习机（ELM）都是非常流行的监督学习方法，它们都源于神经网络模型。不同的研究者将它们应用于不同的研究领域，并对这些算法的优缺点有不同的看法。本研究旨在比较这两种算法在社交媒体文本数据情感分类方面的能力，从准确性、精度、召回率、f - 度量和资源消耗等方面评估它们的性能。

2.2 相关工作回顾

• 支持向量机（SVM） ：由于其良好的泛化性能，SVM已成为数据挖掘领域的标准工具之一。它可以用带有核函数的神经网络来描述，并在许多领域得到了广泛应用。例如，Huang等人使用SVM构建了股票市场价格预测模型，准确率达到了73%；Heisele等人将SVM应用于人脸识别，使用从不同图像中提取的10个面部组件的特征向量训练SVM模型；还有研究者构建了基于最小二乘SVM的医疗决策系统，用于乳腺癌的诊断。
• 极限学习机（ELM） ：ELM是另一种基于神经网络的机器学习算法，由Huang等人首次提出。尽管该算法提出较晚，但由于其比传统基于梯度的机器学习算法具有更好的泛化结果和更快的学习速度，吸引了大量的研究兴趣。许多基于该算法的应用也相继被开发出来，如Wong等人构建了燃气轮机实时故障诊断系统。

2.3 数据集与方法

• 数据集 ：文中未详细提及具体的数据集，但可以推测是社交媒体上的文本数据，这些数据包含了用户对不同品牌或话题的评论，并且已经进行了标记，分为积极、消极或中性类别。
• 方法 ：使用SVM和ELM两种算法对社交媒体文本数据进行情感分类。具体操作步骤如下：
  1. 数据预处理 ：对社交媒体文本数据进行清洗、分词、去除停用词等操作，将文本数据转换为适合机器学习算法处理的特征向量。
  2. 模型训练 ：使用标记好的训练数据分别训练SVM和ELM模型。
  3. 模型评估 ：使用测试数据对训练好的模型进行评估，计算准确性、精度、召回率、f - 度量和资源消耗等指标。

其操作流程可用以下mermaid流程图表示：

graph LR
    A[数据预处理] --> B[模型训练]
    B --> C[模型评估]

2.4 实验结果与讨论

实验结果从准确性、精度、召回率、f - 度量和资源消耗等方面对SVM和ELM进行了比较。结果表明，SVM在分析小数据集时能够获得较好的性能，而对于大数据集，ELM的表现优于SVM。

以下是一个简单的对比示意表格（假设数据）：
| 算法 | 数据集大小 | 准确性 | 精度 | 召回率 | f - 度量 | 资源消耗 |
| — | — | — | — | — | — | — |
| SVM | 小 | 80% | 78% | 82% | 80% | 高 |
| SVM | 大 | 75% | 72% | 78% | 75% | 极高 |
| ELM | 小 | 78% | 76% | 80% | 78% | 低 |
| ELM | 大 | 85% | 83% | 87% | 85% | 中 |

这个表格只是一个示例，实际的实验结果可能会有所不同。但总体来说，该研究表明ELM在社交媒体分析领域具有潜在的应用价值。

3. 总结

通过上述两个方面的研究，我们可以得出以下结论：
- 在每日降雨预测方面，基于极限学习机（ELM）和基因表达式编程（GEP）的软计算模型，结合模糊C均值（FCM）和核主成分分析（KPCA）进行数据预处理，在区域每日定量降雨预测中表现出色。与其他五种降雨预测模型相比，ELM - GEP模型在平均绝对误差（MAE）和均方根误差（RMSE）方面具有最低的误差，显示出较高的预测精度，是一种有效且高效的每日降雨预测方法。
- 在社交媒体文本数据情感分类方面，支持向量机（SVM）和极限学习机（ELM）都是有效的监督学习方法。SVM在小数据集上表现较好，而ELM在大数据集上具有优势，这表明ELM在社交媒体分析领域具有潜在的应用前景。

未来，可以将ELM - GEP降雨预测模型应用到其他领域，如股票价格预测、游客数量预测等。同时，对于社交媒体情感分类，可以进一步探索如何优化ELM和SVM算法，提高它们在不同数据集和场景下的性能。