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。

关键词： 锂离子电池   剩余使用寿命(RUL)   分层极限学习机(H-ELM)  

摘要： 提前对锂离子电池的剩余使用寿命(RUL)进行预测可以保证电池及其应用设备安全稳定运行。针对目前预测方法的结果滞后且缺乏实际意义等问题,为了利用少量循环数据实现RUL的提前预测,本文基于原始极限学习机和自动编码器构建了分层极限学习机(H-ELM)预测模型。然后选取丰田研究所(TRI)的实验数据集对H-ELM完成了仿真实验验证。实验结果表明,本文提出的H-ELM预测模型可以在电池使用初期预测出RUL,同时预测结果的平均绝对百分比误差(MAPE)仅有10.14%。

关键词： 极限学习机   汽油辛烷值含量   回归建模   支持向量机   BP神经网络  

摘要： 本文引入极限学习机(ELM),以解决汽油辛烷值含量建模计算问题。首先,对汽油辛烷值含量数据集进行预处理,随机选取出训练集与测试集;其次,引入ELM机器学习算法,建立汽油辛烷值含量的ELM回归计算模型,选取合适参数,并将训练集数据代入该模型进行训练,拟合出输入参数与输出参数之间的非线性关系;然后,使用测试集的真实值与ELM回归建模预测值进行对比,并选取确定系数(R^(2))作为精度校验指标,选取耗时作为计算效率校验指标,对ELM模型进行测试。最后与支持向量机BP神经网络等回归建模方法,进行对比实验,结果表明ELM方法在汽油率烷值含量回归建模预测方面具有较好效果。

关键词： 极限学习机   新型建筑   建筑材料   力学性能预测  

摘要： 为减少新型建筑材料力学性能预测方法预测投入成本,提升预测效率,提出了基于极限学习机的新型建筑材料力学性能预测方法。提取新型建筑材料力学性能因子,不断加深对因子内部的了解,完善收集的数据信息,增强因子数据查找力度,进一步分析新型建筑材料力学性能因子的所处状态,按照内部分析准则转换因子存储方式,调节空间信息,利用获取的数据预测新型建筑材料力学性能,完成整体预测研究操作。实验结果表明,设计方法完善了预测研究隐藏性能,在预测投入较低的情况下仍然具备较高的预测效率。