关键词： 云计算   极限学习机   网络流量   预测研究  

摘要： 本文首先介绍了云计算概念以及极限学习机概念,之后详细介绍了一种新型预测方式,最后通过实验来进行分析和验证。

关键词： 心血管疾病   风险预测   极限学习机   粒子群  

摘要： 利用机器学习算法,改变传统心血管疾病(CVD)预测模型的严格数理化公式,以增加危险因素的纳入、降低数据格式的要求.首先提出利用基于单隐层前馈神经网络(SLFNs)的极限学习机(ELM)算法建立CVD预测模型;进一步通过五阶段连续变异方式建立增强领导粒子的粒子群算法(ELPSO),以粒子群(PSO)算法的优化策略,对SLFNs的隐层单元参数进行优化.通过对UCI数据库Statlog (heart)数据集和heart disease database分析结果显示,所提ELPSO-ELM模型测试正确率分别达到85. 71%、84. 00%,AUC(ROC曲线下面积)分别达到0. 902 4、0. 842 3,高于传统CVD预测模型,同时放松了数据线性化约束,能纳入更多的复杂危险因素.

关键词： 短期负荷预测   神经网络   极限学习机   粒子群  

摘要： 本文首先对人工神经网络中的单隐含前馈神经网络和极限学习机(ELM)的基本原理和理论进行了概述,然后将极限学习机算法与粒子群算法结合,利用粒子群优化算法(PSO)对极限学习机的参数进行优化,将PSO和ELM的优点结合在一起,使其具备参数调整简单、可以在全局范围寻优、泛化能力强等特点,最后使用基于粒子群算法优化极限学习机的预测模型,在具体数据中进行算例分析,确定预测模型的可行性。

关键词： 极限学习机   风力发电   风速预测  

摘要： 随着风力发电技术的发展,风能已成为最具吸引力的可再生能源发电资源之一。然而,由于风能资源具有间歇性和随机性的特点,风力发电系统并入电网将对电力系统的稳定运行和规划带来巨大的冲击和挑战。在此背景下,为了加强电力系统的稳定性和可靠性,提出基于极限学习机的短期风速预测技术,实现精确的风力发电预测。根据开源风速数据的仿真结果表明,该方法不仅能有效地捕捉风速数据的非线性特性,而且与大多数传统方法相比,所需计算时间更短。

关键词： 遗传   极限学习机   电力需求   预测  

摘要： 针对电力需求预测的准确与否对电力企业的健康发展以及国民经济具有重要影响的问题,论文提出了基于改进极限学习机的电力需求预测模型。首先,对电力需求预测进行了分析,根据电力需求的特点将电力需求分为工业、农业、交通、居民和动力用电,并分析了电力需求预测的原理和过程;其次,提出了基于GA改进的ELM模型,通过GA的优化寻优能力提升ELM网络模型的拟合能力;然后通过实际的案例仿真,分别对某地区的大工业、非普工业、商业、居民生活用电和非生活用电等方面进行了模型预测研究,算例仿真误差较小,验证了论文所提方法的有效性和适用性。

关键词： 极限学习机(ELM)   神经网络   橡胶配方   性能预测  

摘要： 以三元乙丙橡胶(EPDM)胶料配方和天然橡胶(NR)胶料配方为例,将配方中各组分的用量作为输入,硫化橡胶的基本物理机械性能作为输出,建立了基于极限学习机(ELM,extreme learning machine)神经网络的配方性能预测模型,并给出两种配方的预测结果和相对误差。结果表明,ELM神经网络模型能够准确预测出EPDM配方和NR配方硫化橡胶的基本物理机械性能,且平均相对误差在7%以内,具有较高的预测精度。

关键词： 无线传感网   湿度   粒子群优化   极限学习机   预测算法  

摘要： 针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文在果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM)。该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维。然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试。以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性。实验结果表明,该预测算法的RMSE、MAPE和MAE分别为0.503 8、0.005 1和0.397 4,能较好的预测环境湿度信息。

关键词： 短期风速预测   多分位鲁棒极限学习机   混合粒子群算法   时变滤波经验模态分解  

摘要： 为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个子模式进行特征提取,接着利用多分位鲁棒极限学习机分别建立预测模型并利用混合粒子群算法进行参数优化,最后对每个子模式的预测值进行聚合计算得到最终的预测结果。仿真结果表明:在考虑使用混合粒子群算法进行特征提取和模型参数优化后,所提方法具有更高的预测精度。同时基于时变滤波法的经验模态分解技术能够进一步提高预测准确性。

关键词： k-means聚类   变分位鲁棒极限学习机   短期负荷预测  

摘要： 随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获取相同用电行为的用户负荷曲线。然后采用变分位鲁棒极限学习机对不同类负荷曲线分别建立预测模型,最后叠加单个的预测值形成最终的预测结果。通过设定不同的分位值来模拟不同的预测场景,以此得到所有可能性的预测值,即实现变分位-多场景的VQR-ORELM灵活预测。为验证所提方法的有效性,采用2个实际案例进行仿真分析。结果表明,相对于支持向量机、BP神经网络、极限学习机模型、鲁棒极限学习机模型,所提模型在聚类前后预测精度始终最高,进一步验证了所提方法的优越性和灵活性。通过k-means聚类后,所有模型预测性能都有较大提高。

关键词： 梁桥线形预测   施工控制   ELM   MEC  

摘要： 桥梁跨度随着桥梁施工技术的不断提高而持续增大,故在施工过程中对大跨径桥梁线形的控制也愈发困难。针对现有方法的不足,提出一种基于思维进化算法优化的极限学习机算法,以某电厂桥为工程背景建立MEC-ELM预测模型,将桥梁的宏观参数输入模型,即可对其线性变化进行准确预测。该算法首先利用MEC的全局搜索能力得到ELM的最优输入层权值和阈值,然后送入ELM中训练,得到桥梁线形预测模型。实例计算表明,该模型平均预测误差仅0.225 cm,且具有方法简单、精度高的特点,为大跨径桥梁线形控制提供了一种新的技术手段。