关键词： 绞吸挖泥船   极限学习机   产量预测   数据预处理  

摘要： 绞吸挖泥船在施工过程中,实际施工产量受土壤、水文、气象和水下杂物等许多因素的影响,难以获得准确的预测结果,且绞吸式挖泥船产量直接关系到工程效益。针对目前行业对绞吸挖泥船产量的预测过于依赖施工经验且实时性差的缺点,提出了一种基于极限学习机的预测方法,根据实际施工数据,构建产量预测模型。实验结果表明,该方法预测精度高且稳定性好,可以应用于挖泥船疏浚作业过程中,具有一定的工程实用价值。

关键词： 输电量预测   峰平谷分时建模   经验模态分解   极限学习机  

摘要： 电网运行电量数据呈现出海量化高维化的发展趋势,为有效利用这些大数据建立电量预测模型,提出了一种分时建模、经验模态分解和极限学习机相结合的方法。将每日输电量划分为峰、平、谷3个时段,并对每个时段的输电量曲线进行经验模态分解,再采用极限学习机训练得到各分量的预测模型,最后通过叠加合并得到最终的输电量预测值。通过与传统的极限学习机进行比较,结果表明所提方法可有效地提高模型的预测精度。

关键词： 大坝变形   极限学习机   蝙蝠算法   遗传算法   变异因子  

摘要： 针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法(IBA)优化极限学习机(ELM)的大坝变形预测模型(IBA-ELM)。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm, IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。

关键词： 注浆量预测   代理模型   改进bootstrap方法   三维随机裂隙网络   离散元数值模拟   混合核极限学习机   改进的鸡群算法  

摘要： 注浆量是反映灌浆施工质量的重要指标之一。目前基于机器学习的注浆量预测方法缺乏对裂隙倾向、倾角等参数的全面考虑。裂隙灌浆模拟具有能够综合考虑地质、设计、施工等因素影响的优势,然而面临裂隙参数小样本、计算效率低下的不足。针对上述问题,提出基于改进混合核极限学习机(ICSO-MKELM)的注浆量预测代理模型。主要包括:(1)提出基于改进bootstrap方法的三维随机裂隙网络模型建模方法,解决裂隙数据小样本问题,并结合离散元方法开展灌浆数值模拟研究;(2)建立基于改进混合核极限学习机的注浆量预测代理模型,采用改进的鸡群算法优化混合核极限学习机的参数选择,克服混合核极限学习机参数选择效率不高、且难以有效选择全局最优参数的不足。通过将建立的代理模型应用于某工程坝基帷幕灌浆的注浆量预测,并与基于RBF-KELM单核极限学习机模型、Poly-KELM单核极限学习机模型、BP神经网络模型的注浆量预测结果对比,验证了本文所提方法的优越性。

关键词： 滑坡易发性预测(LSP)   半监督机器学习   卡方自交互侦测决策树(CHAID)   BP神经网络(BPNN)   地理信息系统(GIS)  

摘要： 为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP),在已知滑坡样本和随机选取的非滑坡样本基础上,用全监督机器学习将初始LSP划分成不同级别;将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加,筛选一定数量的潜在滑坡栅格单元扩充滑坡样本;从极低易发区选取非滑坡栅格单元组合成新的输出变量;将新的输出变量导入全监督机器学习,获得最终LSP并评价其精度.结果表明:半监督机器学习的LSP精度远高于全监督机器学习的LSP精度.

关键词： 汽轮机   热耗率预测   核极限学习机   原子优化算法   动态调整搜索   教学策略  

摘要： 针对发电汽轮机热耗率模型难以精准预测的问题,提出一种改进原子算法与核极限学习机综合建模的预测方法.首先,通过提出一种动态调整搜索策略,针对原子算法全局勘探能力和局部开发能力不平衡的问题进行改进.其次,引入疯狂因子和教学策略,提高原子算法的全局搜索精度和搜索速度,避免算法早熟收敛.最后,通过某电厂汽轮机实际运行数据建立汽轮机热耗率模型,通过改进原子算法优化后的核极限学习机对热耗率模型进行预测,同时将预测结果与其他几种预测方法的预测结果进行对比验证.实验结果表明,改进后的原子算法有效提高了核极限学习机的泛化能力,提高了汽轮机热耗率的预测精度.

关键词： 智能电网   电力负荷预测   Map-Reduce网络   改进极限学习机  

摘要： 随着智能电网和通信技术的迅速发展,电网系统采集的用户数据规模呈指数增长,传统电网负荷预测方法难以满足海量负荷数据情形下的高效分析和计算需求。据此,依托电力系统数据采集云平台,提出一种基于云计算和改进极限学习机的电网负荷预测模型,采用Map-Reduce网络架构,部署于Hadoop平台,利用分布式计算方式进行电网负荷的精准建模和预测分析。结果表明,相比已有方法,本研究方法具有负荷预测精度高、运行速度快的优势,可为后续智能电网系统建设及管理运用提供一种新颖的解决思路。

关键词： 城市轨道交通   施工隧道   极限学习机   遗传算法优化   沉降预测  

摘要： 为了确保轨道交通隧道施工作业的正常进行及地表建构筑物的稳定安全,采用遗传算法(genetic algorithm,GA)对极限学习机(extreme learning machine,ELM)模型的输入权值和隐含层偏置进行优化,通过构建GA-ELM模型,实现对轨道交通施工隧道地表断面监测点实测数据进行变形预测研究,并将GA-ELM模型与ELM模型、传统BP(back progation)模型的变形预测结果进行对比分析。实验研究结果表明:优化后的ELM模型预测效果得到很好的改善,证明了GA-ELM预测模型在施工隧道地表沉降预测中的可靠性和适用性。

关键词： extreme learning machine   aeroengine   performance parameter prediction   forward and backward segmentation algorithms  

摘要： Performance parameter prediction technology is the core research content of aeroengine health management,and more and more machine learning algorithms have been applied in the *** extreme learning machine(RELM)is one of ***,the regularization parameter determination of RELM consumes computational resources,which makes it unsuitable in the field of aeroengine performance parameter prediction with a large amount of *** paper uses the forward and backward segmentation(FBS)algorithms to improve the RELM performance,and introduces an adaptive step size determination method and an improved solution mechanism to obtain a new machine learning *** maintaining good generalization,the new algorithm is not sensitive to regularization parameters,which greatly saves computing *** experimental results on the public data sets prove the above ***,the new algorithm is applied to the prediction of aero-engine performance parameters,and the excellent prediction performance is achieved.

关键词： 短期负荷   改进核极限学习机   电力系统   预测模型   误差   模型   准确率   泛化性能  

摘要： 为了更好地实现对电力系统子网负荷的快速、准确预测,设计了一种通过优化核极限学习机实现的预测模型,同时建立了Cholesky分解的核极限学习机以及短期负荷预测模型。分析了隐含层中的神经元个数引起的模型泛化性差异性,发现在神经元数量为25个时误差达到最低。结果表明,按照聚类方式获得的改进Kernel极限学习机(KELM)模型表现出更强拟合性能。采用聚类方式的组合预测模型具备可靠性,通过聚类方法选取最佳训练样本能够显著降低模型预测误差。改进KELM模型总共进行了5次聚类,改进KELM方法计算短期负荷准确率均在97%以上,满足设计要求。该研究为后续的全网负荷预测起到一定的理论支撑作用。