关键词： 月径流预测   经验小波变换   二次分解   “十二生肖”算法   加权极限学习机   函数优化  

摘要： 为提高月径流时间序列预测精度,改进加权极限学习机(WELM)预测性能,对比验证“十二生肖”算法在基准测试函数和实例目标函数上的优化效果,提出经验小波变换二次分解(EWT^(Ⅱ))技术-“十二生肖”算法-WELM月径流时间序列预测模型.首先,利用经验小波变换(EWT)对月径流时间序列进行分解处理,得到EWT_(1)、EWT_(2)两个分解分量;采用模糊熵(FuzzyEn)计算EWT_(1)、EWT_(2)分量的模糊熵值,利用EWT^(Ⅱ)对模糊熵值较大的EWT_(1)分量进行二次分解,得到EWT_(1-1)~EWT_(1-3)三个分量.其次,基于EWT_(1-1)~EWT_(1-3)、EWT_(2)分量训练集构建4个WELM输入层权值和隐含层偏差(超参数)优化的实例目标函数,同时选取6个基准测试函数作为对比验证函数,利用“十二生肖”算法分别对6个基准测试函数和4个实例目标函数进行极值寻优与对比分析.最后,建立EWT^(Ⅱ)-“十二生肖”算法-WELM模型,通过云南省南洞地下河月径流预测实例对12种模型进行验证.结果表明:“十二生肖”算法对6个基准测试函数寻优的总排名与对4个实例目标函数寻优的总排名不一致,总体上冠豪猪优化算法(CPO)、野狗优化算法(DOA)寻优效果较好,变色龙算法(CSA)、天牛须搜索算法(BAS)、自学羚羊迁徙算法(SAMA)寻优效果较差;“十二生肖”算法对4个实例目标函数寻优的总排名与12种模型预测精度总排名基本一致,表明“十二生肖”算法极值寻优能力越强,获得的WELM超参数越优,所构建的预测模型性能越好;EWT^(Ⅱ)-CPO/CSO/DOA/CapSA/WHO-WELM模型预测的E_(MAP)、E_(MA)、E_(RMS)分别在0.422%~0.485%、0.022~0.026m^(3)/s、0.028~0.032m^(3)/s之间,优于其他对比模型,具有更好的预测效果.

关键词： 交通流预测   神经网络   分数阶累加   改进分数阶极限学习机  

摘要： 在智能交通系统中,交通流预测在交通管理和减少拥堵方面发挥着关键作用.本文旨在开发一种高效、非迭代的神经网络方法用于交通流短时预测,该方法被称为改进分数阶极限学习机(IFra-ELM).通过分数岭回归算法,使得ELM算法在求解输出权重时具有更好的性能,该方法被称为分数极限学习机(Fra-ELM).在输入层之后添加改进分数阶累加层,将与原始输入进行拼接,增强了ELM算法的特征提取能力.通过改进分数阶累加层与分数极限学习机相结合,增强了模型对于不同场景下交通流的预测能力和鲁棒性.实验结果表明,与传统方法相比,IFraELM模型在交通流预测方面具有优越的性能.该框架有潜力提高交通预测系统的准确性和效率,有助于智能交通基础设施的发展.

关键词： 地震   砂土液化   天牛须算法   极限学习机  

摘要： 为科学有效地预测砂土地震液化,采用唐山地区64组砂土地震液化实例,利用天牛须算法(Beetle Antennae Search Algorithm,BAS)和优化极限学习机(Extreme Learning Machine,ELM)的连接权值和阈值,建立基于BASELM的砂土地震液化预测模型。选取50个砂土液化实例训练模型的稳定性和有效性,并对剩余14个样本进行模型验证。结果表明:BAS-ELM模型的预测结果与实际值拟合度更高,其平均绝对误差、平均绝对百分误差及均方根误差分别为12%、5.667%和1.7%,均优于ELM模型,具有较好的预测精度。

关键词： 极限学习机   建筑工程全周期   MAPE值   成本预测  

摘要： 当前的建筑工程成本预测方法通常独立分析各个周期的成本,导致预测的精准度偏低。针对该问题,提出基于极限学习机的建筑工程全周期成本预测方法。采集并处理与建筑工程全周期成本相关的数据,基于极限学习机构建初步的预测模型。通过粒子群优化算法设计成本预测的容许误差,即每个粒子的适应度值定义为预测结果的容许误差。最后,根据该容许误差去训练预测模型,经迭代后得到有效的预测模型。测试结果表明:相比于传统的成本预测方法,基于极限学习机的建筑工程全周期成本预测方法的MAPE值可控制在0.35%以下,说明该新方法的预测更加可靠,具有较高的应用价值。

关键词： 香芋皮改性膳食纤维   响应面法   极限学习机   算法优化   预测  

摘要： 在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜索算法(SSA)、灰狼优化算法(GWO)和海鸥算法(SOA)对ELM进行优化。使用训练数据集对优化后的ELM模型进行训练。使用测试数据集对模型进行验证,评估模型的性能指标。结果显示,5种优化后的ELM模型在各项性能指标上均优于初始ELM模型。在5种优化算法中,SSA-ELM模型表现最为显著,其绝对误差(MAE)、均方误差(MSE)、均方误差根(RMSE)、平均绝对百分比误差(MAPE)分别为0.023498、0.0007391、0.027186和0.037267%,是所有优化算法测试模型中最低值。在测试模型中,原始ELM模型的R^(2)为0.013291,而GA-ELM、PSO-ELM、SSA-ELM、GWO-ELM和SOA-ELM模型的R^(2)分别0.86709、0.98016、0.99971、0.99998和0.99969。这表明5种优化ELM模型具有更高的拟合度、更好的泛化能力和稳定性,且相对于原始ELM模型,R^(2)值有显著提升。优化后的ELM模型,可以快速、准确地预测不同工艺条件下香芋皮改性膳食纤维的NO_(2)^(-)吸附量,减少实验成本和时间,提高生产效率和产品质量,为实际应用提供可靠的预测工具。

关键词： 径流预测   孪生极限学习机   合作搜索算法   面雨量因子  

摘要： 为提高径流预测精度,以孪生极限学习机(TELM)为预测模型,引入面雨量因子;通过增加动态扰动、搜索均衡算子等方法对合作搜索算法(CSA)进行改进得到了改进合作搜索算法(ICSA),以提高算法的全局寻优能力,建立了耦合改进合作搜索算法和孪生极限学习机的径流预测模型(TELM-ICSA)。同时,以福建省池潭水库为例,将TELM-ICSA与孪生极限学习机(TELM)、极限学习机(ELM)、长短期记忆神经网络(LSTM)、最小二乘支持向量机(LSSVR)等模型进行了对比验证。结果表明:与不考虑前期面雨量的情况相比,考虑前期面雨量的情况下,TELM-ICSA模型对RMSE,MAPE,R,NSE 4项评价指标的平均改善率为27.60%。与不考虑当天预报信息的情况相比,考虑当天降雨预报信息的情况下,4项评价指标的平均改善率为8.47%。面雨量因子对模型效果的改进程度具有一定提高作用。无论是否考虑引入面雨量因子,ICSA-TELM预测能力均好于对比模型,拟合度更高,预测误差较小,具有良好的鲁棒性和可靠性。

关键词： 物资需求预测   配电网   极限学习机   改进粒子群优化算法  

摘要： 为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的因素。其次,利用引入自适应惯性因子和学习因子的改进粒子群算法调整极限学习机的最佳参数组合,训练各类配网项目物资需求预测模型。最后,以南方电网深圳市某供电局2020—2022年基建项目10 kV电力电缆需求情况为例,将GRA-IPSO-ELM(grey relational analysis,improved particle swarm optimization,and extreme learning machines)德尔菲法和灰色关联分析法模型与常见的4种预测模型的结果进行对比。结果表明,相较于ELM模型、支持向量机模型以及PSO-ELM模型,GRA-IPSO-ELM模型预测准确率得到10.38%、5.37%、3.83%的提升,可见,所提出的模型实现了对配网物资需求数量准确且高效的预测。

关键词： 钢轨热处理   灰狼优化算法   深度极限学习机   性能参数预测  

摘要： 为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考.

关键词： 轴承钢   磨损   预测   改进蜣螂算法   核极限学习机  

摘要： 提出改进蜣螂算法优化核极限学习机,可以用于预测GCr15轴承钢的磨损量。对热处理后GCr15轴承钢的性能进行分析,试样组织主要由马氏体、碳化物、残留奥氏体组成,盐浴后出现贝氏体。试样整体硬度逐渐降低,磨损量逐渐增大,磨损机制主要为磨粒磨损。采用切比雪夫混沌映射、黄金正弦策略、动态权重策略改进蜣螂算法,并优化核极限学习机,建立预测模型。选择载荷、转速、润滑条件、热处理工艺四个特征量作为输入量,将磨损量作为输出量,并与其他相关预测方法进行对比。试验表明,改进蜣螂算法优化核极限学习机的预测精度达到97.3%,优于其他相关预测方法,具有有效性和优越性。

关键词： 自适应噪声完备集合经验模态分解(CEEMDAN)   样本熵   深度学习   滑坡位移预测  

摘要： 本文构建了一个融合时间序列分解与分量重组的滑坡深度学习组合预测模型。首先,利用孤立森林算法剔除监测数据中的粗差点,分析数据的平稳性、自相关性以及正态分布特征;其次,引入自适应噪声完备集合经验模态分解方法(CEEMDAN),将滑坡监测数据精细分解为多个独立的时序分量;最后,针对不同频段分量制定预测模型,重构预测结果。基于北斗卫星系统(BDS)/全球导航卫星系统(GNSS)系统采集的滑坡体数据样本进行实验,结果表明,较单一模型、分解模型,本文提出组合预测模型的R^(2)值分别提升了60.66%、50.77%,均方根误差(RMSE)S_(RMSE)分别降低了95.42%、94.39%,平均绝对误差(MAE)S_(MAE)分别降低了95.69%、96.74%。