期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到281篇文章
< 1 2 … 15 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
采用优化极限学习机的多变量混沌时间序列预测 被引量：55
1
作者 高光勇 蒋国平 《物理学报》 SCIE EI CAS CSCD 北大核心 2012年第4期37-45,共9页
基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序... 基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测,并且与同类算法进行了比较,结果表明了该方法的有效性,且算法具有较强的抗噪能力;最后讨论了预测结果和隐层神经元数目的关系. 展开更多
关键词 极限学习机 多变量时间序列 混沌序列预测 复合混沌优化
原文传递
基于优化核极限学习机的风电功率时间序列预测 被引量：44
2
作者 李军 李大超 《物理学报》 SCIE EI CAS CSCD 北大核心 2016年第13期33-42,共10页
针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(k... 针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性. 展开更多
关键词 核极限学习机 优化方法 时间序列 预测
下载PDF
基于ELM学习算法的混沌时间序列预测 被引量：41
3
作者 李彬 李贻斌 《天津大学学报》 EI CAS CSCD 北大核心 2011年第8期701-704,共4页
混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势.应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行... 混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势.应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行混沌时间序列问题的预测.与资源分配网络(RAN)学习算法相比,仿真结果表明ELM学习算法在具有较快学习速度的前提下,能够获得较好的预测性能,且ELM学习算法激活函数的选择具有问题依赖性. 展开更多
关键词 混沌时间序列 极端学习机 激活函数 预测
下载PDF
极限学习机与支持向量机在储层渗透率预测中的对比研究 被引量：37
4
作者 潘华贤 程国建 蔡磊 《计算机工程与科学》 CSCD 北大核心 2010年第2期131-134,共4页
极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需... 极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解,因此具有学习速度快且泛化性能好的优点。本文将极限学习机引入到储层渗透率的预测中,通过对比支持向量机,分析其在储层渗透率预测中的可行性和优势。实验结果表明,极限学习机与支持向量机有近似的预测精度,但在参数选择以及学习速度上极限学习机具有明显的优势。 展开更多
关键词 极限学习机 前馈神经网络 渗透率 支持向量机 预测模型
下载PDF
基于贯序正则极端学习机的时间序列预测及其应用 被引量：24
5
作者 张弦 王宏力 《航空学报》 EI CAS CSCD 北大核心 2011年第7期1302-1308,共7页
为实现对液压泵特征参数的在线预测,提出一种贯序正则极端学习机(SRELM),并研究了基于SRELM的预测方法。SRELM根据结构风险最小化原理实现网络训练,其网络权值可随新样本的逐次加入而递推求解,具有泛化能力强与训练速度快的优点,因此适... 为实现对液压泵特征参数的在线预测,提出一种贯序正则极端学习机(SRELM),并研究了基于SRELM的预测方法。SRELM根据结构风险最小化原理实现网络训练,其网络权值可随新样本的逐次加入而递推求解,具有泛化能力强与训练速度快的优点,因此适于特征参数的在线预测。基于SRELM的预测方法利用特征参数训练SRELM模型,以逐次增加新数据的方式对SRELM模型进行在线训练,并利用训练后的SRELM模型对未来时刻的特征参数进行外推预测。液压泵特征参数预测实例表明,基于SRELM的特征参数预测方法具有预测精度高与计算效率高的优点,其综合性能优于基于传统迭代式神经网络的预测方法与基于支持向量机的预测方法。 展开更多
关键词 神经网络 正则极端学习机 特征参数预测 时间序列分析 视情维修
原文传递
基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究 被引量：23
6
作者 何群 王红 +3 位作者 江国乾 谢平 李继猛 王腾超 《计量学报》 CSCD 北大核心 2018年第1期89-93,共5页
提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量... 提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。 展开更多
关键词 计量学 风电机组 主轴承 状态监测 极限学习机 温度预测 残差分析
下载PDF
基于极限学习机(ELM)的连铸坯质量预测 被引量：22
7
作者 陈恒志 杨建平 +2 位作者 卢新春 余相灼 刘青 《工程科学学报》 EI CSCD 北大核心 2018年第7期815-821,共7页
针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网... 针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明：BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法. 展开更多
关键词 连铸坯 BP神经网络 遗传算法 极限学习机 质量预测
原文传递
基于岩体聚类分级的TBM掘进参数预测方法 被引量：20
8
作者 李建斌 郑赢豪 +4 位作者 荆留杰 陈帅 简鹏 于太彰 赵严振 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2020年第S02期3326-3337,共12页
复杂地质条件下TBM掘进参数的精准预测可及时优化调整掘进参数,有效指导设备施工。根据吉林引松供水工程TBM3标段的现场掘进数据,首先利用最小二乘法对TBM掘进参数和现场跟踪的岩体力学参数进行回归分析,实现由设备参数向岩体信息的转化... 复杂地质条件下TBM掘进参数的精准预测可及时优化调整掘进参数,有效指导设备施工。根据吉林引松供水工程TBM3标段的现场掘进数据,首先利用最小二乘法对TBM掘进参数和现场跟踪的岩体力学参数进行回归分析,实现由设备参数向岩体信息的转化;而后利用k-means方法对所估计的岩体力学参数进行聚类分级,建立不同围岩等级的岩机数据库;最后以对应围岩等级下TBM岩机数据作为模型输入、运行或者控制参数作为模型输出目标,利用基于极限学习机(ELM)的机器学习算法构建与围岩等级相匹配的TBM预测模型,其预测值可很好地拟合实测数据的变化趋势,平均误差在12%以内。结果表明,基于岩体聚类分级的TBM掘进参数预测方法可显著改善围岩等级多变条件下TBM掘进参数预测精度低、鲁棒性差的问题。 展开更多
关键词 岩石力学 硬岩掘进机(TBM) 岩体聚类分级 极限学习机(ELM) 掘进参数预测
原文传递
基于GA-ELM的冲击地压危险性预测研究 被引量：20
9
作者 朱志洁 张宏伟 《中国安全生产科学技术》 CAS CSCD 2014年第8期46-51,共6页
为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和... 为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM冲击地压预测模型。利用某矿冲击地压统计数据对该模型进行了实例分析,将ELM、SVM和BP算法预测结果与该模型进行了对比分析。结果表明:GA-ELM模型具有较高的预测精度,可以相对准确、有效地对冲击地压发生的可能性进行预测。 展开更多
关键词 冲击地压 遗传算法(GA) 极限学习机(ELM) 仿真预测
下载PDF
基于PSO与ELM组合算法的短期光伏发电功率预测模型 被引量：18
10
作者 蒋建东 余沣 +2 位作者 董存 常朝辉 陈海刚 《郑州大学学报（理学版）》 CAS 北大核心 2019年第3期120-126,共7页
光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法(particle swarm... 光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法(particle swarm optimization, PSO)不同阶段的寻优重点,为极限学习机(extreme learning machine, ELM)设定出了最佳网络参数,避免了ELM随机产生输入层权值和隐含层阈值造成的网络不稳定问题.同时结合传统神经网络和ELM网络隐含层节点选取原则为组合模型,设定了最佳隐含层节点数,提高了模型预测精度.实际算例验证了组合算法模型能够有效提高短期光伏发电功率预测的预测精度. 展开更多
关键词 光伏发电 功率预测 极限学习机 粒子群优化算法 预测精度
下载PDF
基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识 被引量：18
11
作者 李胜 胡海永 《计算机应用研究》 CSCD 北大核心 2018年第1期172-176,共5页
为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠... 为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠算法(BA)优化极限学习机(ELM)模型,并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测,验证模型的优越性。结果表明,基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4.560,平均相对误差为3.478%,运行时间为1.286 s,较其他模型具有精准的判识度和较高的泛化能力;能充分挖掘突出时空演变的内部隐含规律,有效诠释突出危险性与其影响因素间的非线性关系。 展开更多
关键词 煤与瓦斯突出 核主成分分析(KPCA) 蝙蝠算法(BA) 极限学习机(ELM) 耦合预测
下载PDF
考虑风电场功率爬坡的超短期组合预测 被引量：16
12
作者 杨茂 于欣楠 《东北电力大学学报》 2022年第1期63-70,共8页
随着大规模风力发电接入电力系统,准确的风电场功率预测对于整个电力系统的安全稳定运行均意义重大.而风电功率爬坡事件则是产生风电功率预测误差的重要原因,尤其是当风速数据变化较快时,所引发的功率爬坡会导致预测误差较大.因此研究... 随着大规模风力发电接入电力系统,准确的风电场功率预测对于整个电力系统的安全稳定运行均意义重大.而风电功率爬坡事件则是产生风电功率预测误差的重要原因,尤其是当风速数据变化较快时,所引发的功率爬坡会导致预测误差较大.因此研究考虑风电场功率爬坡事件的预测就显得日益紧迫.文中基于极限学习机理论,提出了一种考虑风电场功率爬坡的超短期组合预测模型.经算例验证表明,文中方法能够准确识别风电场的功率爬坡事件并有效提高风电功率超短期预测的精度,具有一定的理论意义和实用价值. 展开更多
关键词 风电爬坡事件 极限学习机 数值天气预报 风电功率预测
下载PDF
基于极限学习机的裂缝带预测 被引量：17
13
作者 陈芊澍 文晓涛 +2 位作者 何健 刘浩男 李垒 《石油物探》 EI CSCD 北大核心 2021年第1期149-156,174,共9页
裂缝发育程度会影响地震波动力学特征和地震波同相轴的形态,但岩性、物性、流体性质的改变也会影响上述特征的变化。因此,利用单属性预测裂缝会有多解性,地震多属性综合预测裂缝是减少多解性的有效措施。对于多特征输入的预测问题,机器... 裂缝发育程度会影响地震波动力学特征和地震波同相轴的形态,但岩性、物性、流体性质的改变也会影响上述特征的变化。因此,利用单属性预测裂缝会有多解性,地震多属性综合预测裂缝是减少多解性的有效措施。对于多特征输入的预测问题,机器学习有其独特的优势,其中具有较强泛化能力和运算效率的极限学习机算法值得重点考虑。为此,在裂缝发育带预测中引入了极限学习机算法。首先基于测井数据,利用极限学习机预测裂缝发育状况并将预测结果与近似支持向量机分类效果进行对比;然后,利用井旁道地震属性数据进行裂缝识别,分析极限学习机在裂缝预测中的效果与优势;最后通过极限学习机算法对地震属性特征与裂缝带发育程度之间对应关系的学习,将其应用于实际工区。结果表明,相较于近似支持向量机,极限学习机在保证分类准确度的同时训练效率更高,能够综合多种地震属性刻画大尺度裂缝带,实现致密砂岩裂缝储层裂缝带发育程度的有效预测,为裂缝的综合预测提供了新的思路。 展开更多
关键词 裂缝带 地震多属性 极限学习机 近似支持向量机 综合预测
下载PDF
基于MF-DFA法和PSO-ELM模型的基坑变形规律研究 被引量：17
14
作者 朱靓 《长江科学院院报》 CSCD 北大核心 2019年第3期53-58,共6页
为准确掌握基坑变形的发展趋势,实现对基坑施工的准确指导,针对基坑变形序列的非线性和复杂性,提出利用MF-DFA法和PSO-ELM模型对基坑的变形规律进行研究。首先,利用MF-DFA法对基坑变形速率序列进行多重分形特征分析,以判断基坑的变形趋... 为准确掌握基坑变形的发展趋势,实现对基坑施工的准确指导,针对基坑变形序列的非线性和复杂性,提出利用MF-DFA法和PSO-ELM模型对基坑的变形规律进行研究。首先,利用MF-DFA法对基坑变形速率序列进行多重分形特征分析,以判断基坑的变形趋势;其次,利用PSO-ELM模型对基坑累计变形序列进行预测,得到基坑变形的预测值;最后,对比两变形序列的分析结果,综合判断基坑的变形趋势。同时,采用实例检验分析思路的准确性。结果表明:MF-DFA法能有效分析基坑变形速率序列的多重分形特征, PSO-ELM模型在基坑变形预测中也具有较高的预测精度,且两者对基坑变形规律的判断的一致性较好,相互佐证了两者分析结果的准确性,为基坑变形规律研究提供了一种新的思路。 展开更多
关键词 基坑变形 多重分形分析 极限学习机 变形趋势判断 变形预测
下载PDF
基于改进ABC和IDPC-MKELM的短期电力负荷预测 被引量：16
15
作者 狄曙光 刘峰 +3 位作者 孙建宇 冀超 董铎亮 蔄靖宇 《智慧电力》 北大核心 2022年第9期74-81,共8页
为提高受外部因素影响敏感的短期电力负荷预测精度,提出了一种基于改进ABC优化密度峰值聚类和多核极限学习机的短期电力负荷预测方法。构建融合特征提取、人工蜂群算法(ABC)、密度峰值聚类(DPC)和核极限学习机(KELM)的短期电力负荷预测... 为提高受外部因素影响敏感的短期电力负荷预测精度,提出了一种基于改进ABC优化密度峰值聚类和多核极限学习机的短期电力负荷预测方法。构建融合特征提取、人工蜂群算法(ABC)、密度峰值聚类(DPC)和核极限学习机(KELM)的短期电力负荷预测模型。针对ABC收敛效率不高的缺陷,设计新型蜜源搜索和蜜蜂进化方式,以提升改进ABC全局寻优能力;针对DPC截断距离与聚类中心人为设定的不足,定义邦费罗尼指数函数和聚类中心截断指标,并将改进的ABC应用于DPC参数优化过程,以实现DPC最佳聚类分析;针对KELM回归能力不强、参数选取难以确定的问题,设计多核加权KELM,并采用改进的ABC进行参数优化,以提高极限学习机预测精度。仿真结果表明,所提短期电力负荷预测方法更具有效性,平均误差低了约8.8%~39.8%。 展开更多
关键词 短期电力负荷预测 人工蜂群算法 密度峰值聚类 核极限学习机 特征提取 预测精度
下载PDF
基于PCA-LMD-WOA-ELM的短期光伏功率预测 被引量：16
16
作者 王鹏翔 沈娟 +1 位作者 王菁旸 林重驰 《智慧电力》 北大核心 2022年第6期72-78,共7页
对光伏发电功率进行准确预测,可减弱其并入电网的波动性,有利于电网对新能源发电的调度。基于主成分分析法和局部均值分解相结合的鲸鱼优化算法,构造优化后的极限学习机模型,并使用该模型对光伏发电短期功率进行预测。先用主成分分析法... 对光伏发电功率进行准确预测,可减弱其并入电网的波动性,有利于电网对新能源发电的调度。基于主成分分析法和局部均值分解相结合的鲸鱼优化算法,构造优化后的极限学习机模型,并使用该模型对光伏发电短期功率进行预测。先用主成分分析法对影响光伏发电功率的因素进行筛选,并使用局部均值分解对选取的主要影响因素及发电功率序列数据进行分解;然后基于子序列使用鲸鱼优化建立极限学习机模型;最后将各序列短期预测结果叠加获得光伏发电短期功率预测结果。通过仿真验证及对比分析,说明该预测方法具有较高的预测精准度。 展开更多
关键词 光伏发电 主成分分析 局部均值分解 鲸鱼优化算法 极限学习机 短期功率预测
下载PDF
基于支持向量机的铁路隧道洞身工程造价预测 被引量：15
17
作者 刘少非 侯大山 《铁道工程学报》 EI 北大核心 2022年第5期108-113,共6页
研究目的:铁路工程项目前期投资估算的准确性对铁路建设项目的方案比选和投资控制起着至关重要的作用。目前,我国铁路工程投资估算主要以单位指标法、概预算定额法为主,整个过程相对复杂且耗时,估算准确性也依赖于从业人员的工作经验和... 研究目的:铁路工程项目前期投资估算的准确性对铁路建设项目的方案比选和投资控制起着至关重要的作用。目前,我国铁路工程投资估算主要以单位指标法、概预算定额法为主,整个过程相对复杂且耗时,估算准确性也依赖于从业人员的工作经验和能力水平。本文利用机器学习算法,以铁路隧道洞身工程为研究对象,构建基于支持向量机(SVM)和极限学习机(ELM)的造价预测模型,并收集若干隧道样本对模型进行训练和测试。通过实例验证和比较,选择适用性更强的算法,利用历史数据快速对隧道洞身造价进行预测,从而提高投资估算和方案比选的精度和效率。研究结论:(1)相较于ELM算法,SVM具有较高的预测精度和稳定性,预测结果的平均绝对百分比误差(MAPE)仅为3.41%,满足精度要求;(2)本研究成果为铁路隧道洞身工程的造价评估和预测提供了一种新型的、智能的数据驱动型的建模方法,并且通过仿真结果可知,该模型具有较好的可行性和适用性。 展开更多
关键词 支持向量机 极限学习机 铁路隧道 造价 预测
下载PDF
基于主成分分析的粮食产量极限学习机预测模型研究 被引量：16
18
作者 樊超 郭亚菲 +1 位作者 曹培格 杨铁军 《粮食加工》 2017年第2期1-5,共5页
为了提高粮食产量预测的准确性,针对我国粮食产量受到多因素影响且呈非线性关系的特点,提出主成分分析和极限学习相结合的粮食产量短期精准预测方法。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法构建影响粮食产量... 为了提高粮食产量预测的准确性,针对我国粮食产量受到多因素影响且呈非线性关系的特点,提出主成分分析和极限学习相结合的粮食产量短期精准预测方法。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法构建影响粮食产量的主要成分,从而降低影响因子的维度。其次,根据粮食数据样本集少、输入变量与输出变量间呈非线性关系的特点,构建粮食产量的极限学习机预测模型并对模型参数进行比较优化。最后,通过对实际粮食产量数据的应用以及与其它预测方法的比较,研究模型的预测精度。结果表明,基于极限学习机的粮食产量预测模型的3年及5年预测误差分别为1.9%和2.08%,相比于BP神经网络模型和多项式拟合模型而言,预测精度大幅提高,能够实现粮食产量的短期精准预测。 展开更多
关键词 粮食产量 主成分分析 极限学习机 预测模型
下载PDF
粒子群优化混合核极限学习机的构造煤厚度预测方法 被引量：16
19
作者 范君 王新 徐慧 《计算机应用》 CSCD 北大核心 2018年第6期1820-1825,1830,共7页
在构造煤厚度的预测中,针对预测精度不高的问题,提出利用粒子群优化(PSO)算法优化极限学习机(ELM)的方法来对构造煤厚度进行预测。首先,利用主成分分析(PCA)对三维地震属性进行降维处理,在降低地震属性的维数的同时消除变量之间的相关... 在构造煤厚度的预测中,针对预测精度不高的问题,提出利用粒子群优化(PSO)算法优化极限学习机(ELM)的方法来对构造煤厚度进行预测。首先,利用主成分分析(PCA)对三维地震属性进行降维处理,在降低地震属性的维数的同时消除变量之间的相关性。然后,构建全局多项式核函数和局部高斯径向基核函数混合核极限学习机(HKELM)模型,并利用PSO算法优化HKELM的核参数。同时,针对PSO算法存在容易陷入局部最优的问题,在PSO算法中加入模拟退火的思想和随迭代次数减小的惯性权重,以及基于反向学习的变异操作,使PSO算法可以更容易跳出局部极小值点,得到更优结果。此外,为了增强模型的泛化能力,在核函数的基础上加入L2正则项,有效地避免了噪声和异常点对模型泛化性能的影响。最后,将预测模型应用到阳煤集团新景矿区芦南二采区中部15#煤层中,预测得到的采区构造煤厚度与实际地质资料具有较高的一致性。实验结果表明,利用改进PSO算法优化HKELM构建构造煤厚度预测模型的预测误差较小,可以推广用于实际采区的构造煤厚度预测。 展开更多
关键词 主成分分析 粒子群优化 核函数 极限学习机 构造煤 厚度预测
下载PDF
PCA-PSO-ELM配网供电可靠性预测模型 被引量：15
20
作者 许爱东 李昊飞 +1 位作者 程乐峰 余涛 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2018年第6期1116-1122,共7页
为了提升配网供电可靠性的预测精度,提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠性预测模型。从多方面分析影响供电可靠性的指标,利用主成分分析得到综合变量,实现对数据的降维。在此基础上,构建人工神经网络并利用粒子... 为了提升配网供电可靠性的预测精度,提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠性预测模型。从多方面分析影响供电可靠性的指标,利用主成分分析得到综合变量,实现对数据的降维。在此基础上,构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值,完成对训练供电可靠性预测模型的训练。以某大型电网的47个供电局样本30种影响供电可靠性因素为例进行仿真分析,并将PCA-PSO-ELM算法与3种回归拟合算法对比,验证了该方法的有效性。模型充分考虑了多方面的供电可靠性影响因素,适用于多输入变量的情况,对于引导供电企业制定可靠性提升策略提供了科学有效的参考依据。 展开更多
关键词 配网供电可靠性 主成分分析 极限学习机 粒子群优化算法 供电可靠性评价指标 预测模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 15 下一页 到第 页
使用帮助 返回顶部