关键词： 极限学习机   耙吸式挖泥船   产量预测   黑箱模型  

摘要： 在耙吸式挖泥船的施工作业中,疏浚土的土质变化、水下作业环境变化会造成许多土的特性无法得到准确数值,对实际施工量的准确测量产生了巨大的阻力,且耙吸式挖泥船施工量的准确、有效性直接关系到一个企业的经济效益。针对以上实际问题,利用极限学习机算法以及极限学习机的一些改进算法,根据耙头运作的实际原理,为耙头构建新的预测模型,通过对模型的分析,为实际施工中模拟出产量预测模型分布。

关键词： 风速预测   奇异谱分析   活性竞争萤火虫算法   极限学习机  

摘要： 风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。

关键词： 极限学习机   趋势导向   小水电群   功率预测   数据平滑  

摘要： 为解决传统水电预测模型因原始数据处理方式单一而导致预测精度低的问题,提出了趋势导向的极限学习机预测模型。模型首先对小水电群的出力历史数据进行了平滑及异常数据修复处理,接着从处理后的功率曲线中提取功率变化的趋势,并将趋势作为极限学习机模型的新特征输入,为极限学习机的预测提供一个正确且唯一的预测趋势,极大地提升了小水电发电量预测的准确率。模型已应用于广西全区小水电群的发电量预测,具有广泛的应用前景。

关键词： 深度极限学习机   模型   BP网络   预测分类  

摘要： 根据河北省某水厂数据,建立了基于MATLAB技术的深度极限学习机模型(简称D-ELM),并通过该模型对水质的pH值、浊度(NTU)和耗氧量3个指标进行了预测分类。通过D-ELM与极限学习机(简称ELM)和BP网络模型相互比较。研究结果表明,深度极限学习机的精度比极限学习机提高6.7%,预测时长比极限学习机缩短0.486 s。而深度极限学习机的精度比BP网络模型提高了26.7%,同时预测时长比BP网络模型缩短2.707 s。从而说明深度极限学习机对水质预测的合理性和可行性,其在自来水水质预测分类中具有更高的应用价值。

关键词： 神经网络   航空发动机   主燃油流量   极限学习机   平均影响值  

摘要： 由某型涡扇发动机试飞架次获取训练样本,使用极限学习机(ELM)的方法,通过离线训练建模,得出了发动机主燃油流量逆向预测模型。考虑到输入参数多重线性关系和预测实时性,应用平均影响值(MIV)算法对网络输入参数进行敏感性筛选,最后选取了未参与发动机模型辨识的整个飞行架次的试验数据进行验证。结果表明,在飞行包线内的稳态工况或动态工况下,基于ELM的逆向预测模型的输出与发动机主燃油实际输入基本吻合,具有较高的精度。该模型可用于航空发动机的飞行试验中,对飞行过程中的发动机真实主燃油流量进行监控,以提高安全性。

关键词： 参考作物蒸散量   烟花算法   极限学习机   模型预测  

摘要： 为提高温室环境下参考作物蒸散量(Reference Crop Evapotranspiration,ET0)的预测精度,提出烟花算法(Fireworks Algorithm,FWA)优化极限学习机(Extreme Learning Machine,ELM)的参考作物蒸散量预测模型,有效解决了极限学习机在数据预测过程中因随机输入权值矩阵和偏置矩阵导致的数据波动问题,提高了极限学习机的预测精度。以温室环境数据作为模型的输入,以参考作物蒸散量ET0为输出,建立FWAELM模型,并将结果与ELM模型预测结果进行对比,结果表明,FWAELM模型的均方根误差、平均绝对误差和模型可决系数分别为:0.1156、0.1436、0.9438,高于ELM模型的0.4035、0.3467和0.8190,FWAELM模型预测精度较高。同时进行了气象参数缺失情况下的模型预测精度研究,结果表明参数在保留3个及以上时,模型的预测精度依然较高,适用于温室ET0的预测研究。

关键词： 铁水硅含量   极限学习机   花朵授粉算法  

摘要： 在高炉冶炼过程中,铁水硅含量是反映高炉炉内温度的重要参数之一,通过对铁水硅含量变化趋势进行预测分析,为后续高炉参数调整提供理论依据。针对铁水硅含量数据的非线性特点,提出基于花朵授粉算法的极限学习机预测方法。利用花朵授粉算法优化极限学习机参数,并通过优化后的极限学习机算法构建铁水硅含量的预测模型,以某钢铁厂生产数据作为验证。仿真结果表明,相较于传统预测方法,该预测模型在预测精度以及泛化能力均有所提高,具有良好的稳定性。

关键词： 润滑油添加剂   极限学习机   贪心算法   遗传算法   红外光谱   波段筛选  

摘要： 为了快速识别润滑油中添加剂种类和含量,将添加剂硫化异丁烯(T321)、烷基二苯胺(T534)、硫代磷酸胺盐(T307)以不同配比混合在基础油中,使用极限学习机(ELM)对油样的红外光谱数据构建模型进行训练测试,并采用贪心算法、遗传算法(GA)对输入波段优化,筛选出最优波段区间组合以剔除相关性过高的波段从而提高运算效率.测试结果表明:ELM模型可对润滑油添加剂进行有效的种类识别和含量预测,相比于传统理化检测方法是一种经济快速的新型润滑油添加剂检测手段;且经GA波段筛选优化后模型输出结果更具优势,对三种添加剂的种类识别准确率均达到100%、含量预测决定系数(R^2)分别提升了43.8%、39.0%和24.4%.

关键词： 气动光学成像偏移   粒子群算法   惯性权重   极限学习机   BP神经网络  

摘要： 气动光学成像偏移的影响因子具有复杂时变、非线性、强耦合等关系,为了实现实际工程中气动光学成像偏移的在线补偿,将改进粒子群算法(PSO)与极限学习机(ELM)结合起来构建了高速飞行器在大气中飞行时的气动光学成像偏移预测模型。采用具有较强全局搜索能力的PSO算法优化ELM预测模型中的输入层与隐含层间的连接权值与隐含层阈值,并引入进化度因子与聚集度因子,对惯性权重进行动态改变。结果表明,PSO优化后的ELM算法精确度更高,泛化能力强,能及时准确的对气动光学成像偏移进行预测,避免了传统几何光学计算费时费力等缺点。

关键词： 网络通信系统   流量预测   极限学习机   时间序列数据细化  

摘要： 为了提高网络流量预测准确性,结合网络流量的变化特点,针对当前网络流量预测模型存在的局限性,设计了基于小波变换和极限学习机的网络流量预测模型。首先分析了当前国内外网络流量预测研究现状,找到引起网络流量预测准确性差的原因;然后采用小波变换对原始网络流量时间序列进行去噪,得到无噪声的网络流量时间序列;最后采用极限学习机对网络流量时间序列进行建模,得到相应的预测结果。与当前经典的网络流量预测模型在相同环境下进行对照测试,测试结果分析表明,小波变换和极限学习机的网络流量预测精度达到了95%以上,网络流量预测误差得到了有效的控制,而且提升了网络流量预测效率,预测结果要远优于当前经典的网络流量预测模型。