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。

关键词： 中长期径流预测   径流综合指数   偏互信息法   粒子群   极限学习机   预测模型  

摘要： 为提高流域中长期径流预测精度,提出一种基于信息熵与改进极限学习机的中长期径流预测方法。首先,基于不同水文站点的流域控制面积构造径流综合指数,在较宏观层面表征流域水情丰枯变化;其次,采用偏互信息法计算影响对象与径流综合指数之间的相关性,获得径流过程变化的关键因子集,形成预测模型输入;最后,结合K折交叉验证与改进粒子群算法优化极限学习机(ELM)参数,构建IPSO-ELM模型,用于中长期径流预测。以雅砻江流域为例,将所建模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和PSO-ELM等预测模型进行对比分析。结果表明:所提模型的E_(mape)、E_(rmse)、E_(dc)、E_(qr)和E_(re)等性能评价指标明显优于上述4种模型;5种预测模型在D1数据集上的预测效果整体上胜于D2。

关键词： 组合预测   神经网络   极限学习机   时间权重  

摘要： 文章将单一预测模型的模拟值作为极限学习机的输入,同时考虑新旧历史数据对预测模型的影响,给出一种基于核极限学习机的变权非线性组合预测方法,构建了带时间权重的极限学习机组合预测模型。针对极限学习机输出矩阵参数赋值较多和新数据不断引入的问题,结合支持向量机中的核思想解决参数赋值问题,采用矩阵变换原理,建立满足新数据逐步引入的递归算法,给出了在线核极限学习机组合预测算法,有效降低了组合预测模型的计算量。结果显示,核极限学习机能显著提升组合预测模型的精度。

关键词： 电机估计   电网调整   极限学习机  

摘要： 针对风电网中电机的精确估计及电网的动态调整问题,提出了基于极限学习机(ELM)的风电机组功率预测实现方法。首先对EML中的隐含层激励函数进行建模,其次通过预处理样本数据、确定激活函数、最大隐含层节点数和最大主成分数、判断RMSECV均值、输出权值及输出矩阵计算等步骤来预测风电机组输出功率,最后通过系统仿真和数据对比分析验证了论文所提出的方法在电机的精确估计及电网的动态调整方面的性能增益。

关键词： 配电线路   台风灾损预测   极限学习机   模糊评价  

摘要： 为了提升配电网线路应对台风的防灾减灾能力,提出一种台风影响下配电线路的灾损预测方法.充分考虑台风登陆位置对目标地区影响程度的复杂性,利用模糊评价方法评估台风登陆距离的影响模糊程度.并在此基础上结合台风风级、风速和风圈半径等属性作为预测模型的输入特征,构建基于极限学习机(ELM)的灾损预测模型,对台风影响下的目标地区配电线路跳闸、断线、倒杆以及断杆进行预测.通过对近几年台风历史数据的实验验证表明,本算法针对四类灾损能获得较高的预测精度;相比现有算法,对登陆距离的影响程度进行模糊评价极大提升了预测模型的精度,实现20倍以上的性能提升.算法预测结果可为台风过境时配电线路的灾害应急处理和灾后重建工作提供重要参考依据.

关键词： 房价预测   极限学习机   因子分析   模型对比  

摘要： 文章将影响房价因素归结为政府、消费者和房地产商三大方面,选取了影响房价波动的8个指标。为了更加准确地预测房价,首先利用因子分析对指标进行降维,得到两个公因子;然后,以该公因子作为极限学习机的输入,以对应的房价作为输出建立房价预测模型;最后,与其他3个模型预测结果进行对比分析。结果表明:结合因子分析的极限学习机比其他3个模型更能实现精准房价预测。

关键词： 极限学习机   人才需求   预测分析  

摘要： 针对企业人才需求量的预测问题,由于影响企业人才需求的因素众多,摒弃了传统的多因素的多元回归预测方法,将人才需求量定义为关于年度时间的变化量。通过引入学习效率高、泛化能力强的极限学习机(ELM)模型,以时间作为输入变量,文章通过ELM得到预测值,将预测值与实际值进行了对比,得出以ELM作为企业人才需求量的预测模型具有较好的适用性。

关键词： 核极限学习机   状态预测   遗忘因子   时变正则化因子   稀疏字典  

摘要： 对非平稳混沌时间序列进行在线预测是当前科学和工程领域中的一个重要研究方向,核极限学习机(kernel extreme learning machine,KELM)为其提供了一种有效的数学模型。由于学习速度快、泛化性能好,在线贯序核极限学习机(online sequential KELM,OSKELM)在状态预测中得到了广泛的研究与扩展。首先,描述了问题并介绍了OSKELM的数学模型;然后,以混沌时间序列为应用背景,对基于OSKELM的各种改进方法进行了分类综述,包括基于数据增量的OSKELM、基于稀疏字典的OSKELM、基于参数寻优和遗忘因子的OSKELM以及其他方法,并对算法性能进行比较和分析;最后总结并讨论了该方法的未来研究方向。