1.一种基于模糊加权ELM的移动污染源排放浓度预测方法，其特征在于：该方法具体包括以下步骤：步骤1：初始化训练样本；采用最大最小法分别对训练集和测试集进行归一化处理，转化为[0,1]之间的值；所述训练样本为污染源，将数据集按照“留出法”划分成训练集和测试集；

步骤2：选择高斯型隶属函数参数并计算各输入变量的隶属度 具体方法如下：

1)TSK模糊系统用如下的“If‑then”规则形式来定义，在规则为Ri的情况下，模糊推理如下：i

其中， 为模糊系统的模糊集； 为模糊系统参数；y 为根据模糊规则得到的输出，输入部分即if部分是模糊的，输出部分即then部分是确定的，该模糊推理表示输出为输入的线性组合；

T n

2)将输入的精确量xj＝[xj1,xj2,…,xjn]∈R 进行模糊化处理，转化为给定论域上的模糊集合，然后激活对应的模糊规则，并且选用模糊推理方法；ANFIS‑WELM模型使用高斯型隶属函数；

式中， 为隶属度函数的中心， 随机分配高斯模糊隶属函数σ的标准偏差，L为模糊子集数；

步骤3：通过激活对应的模糊规则，对每个模糊规则的激活强度进行归一化处理，计算隐层节点输出矩阵H；具体方法如下：

1)将各隶属度进行模糊计算，采用模糊算子为连乘算子：

2)归一化层，每个模糊规则的激活强度都是由其总和来进行归一化，如下：对于N个训练样本，l个隐层节点来说，标准SLFNs的数学模型为：T n

给定N个训练数据[xj,tj],j＝1,2,…,N，其中xj＝[xj1,xj2,…,xjn] ∈R是样本,tj＝[tj1,T mtj2,…,tjm]∈R 为样本xj的期望输出向量，n和m代表对应着输入和输出的维数；则ANFIS‑WELM输出为：假设有L个规则，用pi表示第i个规则的参数矩阵， 表示第i个规则下的第j个输入变量，i＝1,2,…,L，则输出γi表示为所有输入的线性组合因此，ANFIS‑WELM的输出采用矩阵形式，上式简化为：

HN×L(n+1)*PL(n+1)×1＝TN×1   (9)这里，H是包含模糊规则的归一化激活强度的模糊层输出矩阵，P是模糊系统参数矩阵，T表示ANFIS‑WELM模型的期望输出矩阵，如下给出：步骤4：在训练集上，以最小验证误差为目标找出正则化参数C的最优值；

步骤5：选择合适的σ值，使用局部加权线性回归为ELM分配权重，通过KKT条件对等式约束的WELM目标式子优化，计算输出权值矩阵P；具体方法如下：等式优化约束的ANFIS‑WELM目标式子写为：式中，εj＝(εj1,εj2,…,εjm)为对应于样本xj的训练误差向量，h(xj)是输入xj的模糊规则的归一化激活强度的模糊层输出，C为正则化参数；我们定义一个与每个训练样本xj相关的N×N只含对角元素的权重矩阵 点h(xj)与H越近，H为隐藏层输出矩阵，W(j,j)将会越大，并且σ越小越精确；为了使边际距离最大化并使关于每个样本的加权累积误差最小化，考虑对角权重矩阵W；

关于ANFIS‑WELM的等价对偶优化问题为：T

其中，αj＝[α1,α2,…,αN] 为拉格朗日乘子对应于第j个输入训练数组，利用KKT条件将式(13)转化为无条件最优化问题进行求解，导出优化的必要条件可得，由此得到如下的参数矩阵步骤6：通过最终参数的选择，计算预测输出矩阵f(x)；

训练结束，模型的权值参数通过局部加权线性回归算法，给待预测点附近的每个点赋予一定的权重，然后在这个子集上基于最小均方差进行普通的回归；将实时的移动污染源排放物浓度输入到模型中，模型即可输出未来时刻预测的浓度结果。