关键词： 燃油泵   参数预测   模糊信息粒化   奇异值分解   极限学习机  

摘要： 机载燃油泵的性能退化呈现非线性多阶段模式,为了提高机载燃油泵性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于奇异值分解-模糊信息粒化与优化极限学习机的模糊粒化预测方法。针对传统的粒化预测方法直接对原始序列进行粒化分析的不足,首先利用奇异值趋势分解方法提取燃油泵性能退化指标序列的趋势项及去趋势项,再利用信息粒化方法对去趋势项进行模糊粒化;然后将趋势项及粒化后的去趋势项数据输入至极限学习机进行回归预测,并采用粒子群算法优化极限学习机参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪燃油泵性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。

关键词： 干旱预测   GA-ELM   SPEI   云贵高原  

摘要： 为准确预测干旱情势,提高防旱抗旱能力,构建了遗传算法优化的极限学习机(GA-ELM)模型进行干旱预测。以近年来干旱频发的云贵高原为研究区,利用该模型以关键致旱因子为输入变量实现了云贵高原中长期干旱预测,并与自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)模型、极限学习机(Extreme Learning Machine,ELM)模型的预测结果进行比较。结果表明:GA-ELM模型适用于云贵高原地区的干旱预测;与ELM模型相比,不同时间尺度下GA-ELM模型的干旱预测结果精度均有明显提升;在干旱强度和干旱历时方面,GA-ELM模型的预测精度总体上也优于ANFIS模型。

关键词： 负荷区间预测   极点对称模态分解   分散熵   乌鸦搜索算法   核极限学习机  

摘要： 针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition,ESMD)-分散熵(dispersion entropy,DE)和改进乌鸦搜索算法(improved crow search algorithm,ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine,KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。

关键词： 混合流水线调度问题   极限学习机   代理模型   评估代价   节能目标  

摘要： 针对车间的混合流水线调度问题(HFSP)存在智能算法寻优过程中节能目标即适应值评估代价高的问题,首先,通过分析车间节能模型建模的编码方式,提出一种基于矩阵编码机制的特征向量提取方法,引入核函数有利于极限学习机(ELM)求解节能目标。其次,对需要构建代理模型的改进多目标多元宇宙优化算法(IMOMVO)进行计算复杂度分析,建立了基于ELM的代理模型,设计数据驱动优化的车间节能目标算法框架。最后,基于均匀分布变量的拉丁超立方抽样,形成初始化样本,与BP算法进行预测性能验证和计算时间对比两个实验。实验结果显示,ELM算法的拟合优度为0.973 81,预测性能指标均优于BP算法。单个适应值平均计算时间为5.4×10^-4s,仅为真实求解的18.5%。说明ELM在车间节能目标预测问题具有良好的效果。

关键词： 道路材料   浇注式导电沥青混凝土   钢桥面板腐蚀   预测模型   极限学习机  

摘要： 浇注式导电沥青混凝土能够实现桥面及时、高效融雪化冰,但其通电工作时易加速钢桥面板腐蚀,对桥梁服役性能和交通运行安全造成影响。为解决上述问题,本工作设计制备了五种浇注式导电沥青混凝土,测试了浇注式导电沥青混凝土通电工作时流经钢板的电流密度,研究了浇注式导电沥青混凝土类型、工作条件和环境因素对钢板腐蚀的影响规律,并建立了基于极限学习机神经网络的钢板腐蚀程度预测模型,为浇注式导电沥青混凝土融雪化冰技术在钢桥面铺装领域的进一步推广应用奠定了坚实的基础。结果表明:不同因素对钢板腐蚀的影响程度排序为:通电次数>温度>湿度>通电时间,且通电次数和温度在0.05水平上对钢板腐蚀的影响较为显著;与传统神经网络预测模型相比,极限学习机预测模型具有更好的准确性和高效性,其平均绝对误差、平均绝对百分比误差和均方根误差分别比前者低了50.48%、45.89%和49.30%。

关键词： 改进灰狼优化算法   最优-最差正交反向学习   多核极限学习机   铁水硅含量   预测建模  

摘要： 针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP-NN)、极限学习机(ELM)、KELM和GWO-MKELM,对高炉炼铁具有较好的指导意义.

关键词： 极限学习机   矿山排土场   滑坡   预警模型  

摘要： 排土场滑坡是矿山的重大灾害之一,严重威胁着矿山的安全生产,矿山排土场受地质、人为、自然等多种因素的影响,采用单一指标难以准确和有效地预测滑坡变形趋势和安全稳定性,针对此问题本文提出了基于自适应极限学习机的矿山排土场滑坡预警模型。通过将岩土内摩擦角、坡角、坡高、容重、孔隙水压力系数和内聚力等指标作为输入单元,以稳定系数作为输出单元,对已有的数据进行训练和测试,应用效果表明该方法的理论计算结果与工程实际状况基本一致,具有良好的适应能力,对提高矿山排土场滑坡预警能力和准确性有着一定的借鉴意义。

关键词： 绝缘子污秽度   高光谱图像   极限学习机   层次极限学习机  

摘要： 高光谱图像具有图谱合一、光谱范围广及分辨率高等优势,能精细化地反映物质微观特性.为此,引入高光谱成像技术以非接触式预测绝缘子污秽度.考虑到极限学习机具有学习效率高和泛化能力强等优点,提出基于正则化约束极限学习机的绝缘子污秽度预测(extreme learning machine-insulator pollution degree prediction,ELMIPDP)模型.此外,为进一步提升预测性能,引入层次极限学习机从复杂的高光谱图像中学习出有效、抽象、判决性特征表示,继而建立基于层次极限学习机的绝缘子污秽度预测(hierarchical ELM-IPDP,HELM-IPDP)模型.在不同的训练集与测试集比例和不同隐含层神经元个数的情况下分别进行实验,从实验结果可知:ELM-IPDP模型和HELM-IPDP模型的预测性能基本上随着隐含层神经元个数和训练样本的增加而不断提高;当训练集与测试集比例为9∶1时,ELM-IPDP模型的均方根误差和相关系数分别为0.040 3和0.944 7,而HELM-IPDP模型的均方根误差和相关系数分别提升到0.022 3和0.972 0.

关键词： 光伏功率   短期预测   极限学习机  

摘要： 光伏发电短期预测在电力系统实时调度中具有重要意义。受诸多因素影响,光伏发电短期预测精度还无法达到光伏电站要求,对光伏并网调度带来较大影响。针对这一问题,提出了基于极限学习机(ELM)的光伏发电短期预测校正方法。说明了光伏发电短期预测中的误差特征,并利用提出的校正方法对原来光伏发电短期预测结果进行了优化。通过与其他方法的对比,验证了此方法的有效性,说明了论文方法能够有效提高光伏发电短期预测精度。

关键词： 炭化可燃物   着火时间   机器学习   极限学习机  

摘要： 机器学习技术近年来在许多传统科学领域取得了应用,针对火灾中炭化可燃物着火时间与物性参数及环境参数之间关系复杂的特点,提出了一种基于极限学习机的预测方法以实现不同物性及环境参数时着火时间的快速准确预测,为防治及扑救火灾提供参考。首先建立炭化可燃物热解数值模型,考虑了可燃物热解过程中的含水率以及热解反应、气体流动等复杂物理化学反应过程,然后搭建极限学习机,以数值模拟数据为基础进行训练及验证工作。结果表明基于极限学习机的预测方法能够有效实现炭化可燃物着火时间的快速准确预测,平均相对误差小于3%。