关键词： 风功率预测   PSO-ELM模型   数值天气预报信息(NWP)数据   极限学习机(ELM)  

摘要： 风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。

关键词： 最小二乘支持向量机   固井质量   预测   胶结  

摘要： 针对高温高压井油基钻井液密度预测的问题,提出了一种自适应极限学习机的油基钻井液密度预测模型,该模型结合了极限学习机理论和K近邻理论,以室内实验结果作为训练样本,开展油基钻井液密度预测研究。结果表明,该方法学习速度快,具有良好泛化性能,解决了神经网络模型局部最小、迭代次数多等问题,与传统的神经网络和极限学习机模型相比预测精度更高,具有广泛的应用前景。

关键词： 二次硬化钢   I-ELM   力学性能   微量元素  

摘要： 高Co-Ni二次硬化钢是一种多元系合金,其力学性能受材料成分及热处理工艺等条件影响。传统的数学模型很难对材料力学性能进行预测。采用增量型极限学习机(I-ELM)建立高Co-Ni二次硬化钢材料模型,根据模型预测的结果研究微量元素Co和时效温度对高Co-Ni二次硬化钢材料力学性能的影响,并且在多项性能指标方面对高Co-Ni二次硬化钢数据的I-ELM模型与BP神经网络模型进行比较。实验结果表明,在对较少样本数据的模型训练时,高Co-Ni二次硬化钢的I-ELM模型预测结果与实验数据基本吻合,I-ELM模型的拟合精度和训练速度均优于BP神经网络模型,为今后高Co-Ni二次硬化钢的材料研究提供参考。

关键词： 地源热泵系统   能耗预测   天牛须搜索   极限学习机   时间序列预测  

摘要： 针对极限学习机随机产生输入权值和隐层偏置导致模型不稳定的问题,本文提出了一种基于改进天牛须算法-优化极限学习机(BSAS-ELM)的地源热泵能耗预测模型,此模型收敛速度快、泛化能力强。将BSAS-ELM的预测结果与极限学习机(ELM)及支持向量机(SVM)进行比较表明,基于BSAS-ELM的地源热泵能耗预测模型能显著提高能耗预测精度。

关键词： 极限学习机   时间序列预测   广义逆矩阵   粮食产量   神经网络  

摘要： 为了提高粮食产量的预测精度和时效性,论文提出一种基于增长极限学习机(GELM)的粮食产量预测方法。该方法以极限学习机(ELM)为理论框架,针对ELM中隐节点数目L优化问题,在L递增情况下,推导输出权重广义逆矩阵的递推更新公式,避免了ELM在不同L下重复计算输出权重广义逆矩阵的问题,降低ELM的计算量,继而提出GELM算法。最后给出粮食产量GELM预测方法流程。以1960-2015年我国粮食产量为实验数据,结果表明,相比于ELM和支持向量机(SVM),GELM的预测准确性高于SVM,与ELM相差不大,但GELM的耗时明显低于ELM和SVM。

关键词： 排气温度裕度   粒子群优化算法   极限学习机   预测  

摘要： 排气温度是表征发动机工作状态的主要参数之一,通过对多个飞行架次的排气温度裕度(Exhaust Gas Temperature Margin,EGTM)进行预测分析,能够在一定程度上反映发动机工作性能,为后续故障检测工作提供理论依据。针对EGTM数据的非线性、非平稳特征,提出了基于粒子群优化算法(Particle Swarm Optimization,PSO)的极限学习机(Extreme Learning Machine,ELM)预测方法。通过ELM构建EGTM的预测模型,并利用PSO算法对其参数进行优化以保证模型的精确性;以某航空发动机EGTM数据作为验证,结果表明,相比于传统的预测方法,RMSE与MAE分别降低至1.889 8、1.0,有效提高了预测精度。

关键词： 流形正则化   荷电状态   极限学习机   差分进化  

摘要： 为提高锂电池荷电状态建模预测的精度及泛化能力,提出一种流行正则化框架下的极限学习机建模预测方法。首先,为了解决极限学习机建立预测模型存在过拟合泛化能力弱的问题,以流形假设为依据,在数据输入空间构建图拉普拉斯算子,在其框架内求解极限学习机隐层和输出层之间的权重,达到正则优化目的。其次,针对正则化参数难以选择的问题,提出将差分进化算法融入基于流形正则化框架的极限学习机中以优化其正则化参数。最后,利用采集到的锂电池数据进行了实验验证。结果表明:该方法建立的预测模型预测锂电池SOC精度高,泛化能力强,为锂电池SOC的预测建模提供一种新方法。

关键词： 双循环流化床   混合物料   循环流率   控制参数   核极限学习机  

摘要： 两床间颗粒循环流率是保证双循环流化床正常运行的关键。在自行设计的双循环流化床(DCFB)实验系统上进行循环流率(G_(s,mix))与各控制参数(气化室风速、提升管风速、初始床层物料量、混合物料中石英砂粒径以及稻壳质量分数)变化关系的研究,并对循环物料中稻壳质量分数(X_r)变化进行分析。此外,根据实验测量数据,建立核极限学习机(KELM)模型并进行G_(s,mix)和循环物料中Xr的预测,同时与极限学习机(ELM)模型进行比较,发现KELM模型具有更小的预测平均绝对值误差和均方根误差且预测所需时间较短,表明该模型可实现各控制参数下DCFB系统中G_(s,mix)和X_r的良好预测,为DCFB系统及类似气化系统的数据模型研究提供一种新方法。

关键词： 核极限学习机   粒子群算法   特征选择   财务危机预测  

摘要： 文章提出了一种基于粒子群优化算法与核极限学习机的企业财务危机预测方法。考虑到在分类预测的过程中参数优化与特征选择之间的相互影响,利用粒子群优化算法优化核极限学习机参数的同时进行特征选择,从而优化出最优的核极限学习机模型并得到具有代表性的特征子集;最后,使用所提出的最优的核极限学习机模型对新数据集进行训练和预测。实验表明,与其他预测模型进行对比实验,该方法具有更好的性能,方法可行有效且实用。

关键词： 煤矿   CO2浓度   SAPSO-ELM   预测   优化  

摘要： 煤矿采空区的CO2浓度对煤矿的安全生产有重大影响,其浓度的高低可以导致火灾的发生和潜在的CO2中毒事件,严重危害煤矿工人的生命安全。若能够实时预测煤矿采空区的CO2浓度,将会大大保障煤矿的安全生产。将自适应粒子群-极限学习机算法(SAPSO-ELM)应用于煤矿CO2浓度预测,具有创新性。通过仿真试验表明,可实现±0.04%的误差,可以应用于实际的煤矿CO2浓度预测。