关键词： 极限学习机(ELM)   局部区域滑坡预测模型   最小边界矩形(MBR)   受限玻尔磁曼机(RBM)  

摘要： 滑坡是一种可能带来危害的大面积地面运动现象,对滑坡区域的监测和预测是降低滑坡危害的可行方法;为了减少滑坡预测时间,提高预测准确率,本文提出基于改进的极限学习机局部区域滑坡预测模型。通过改进极限学习机算法训练局部区域滑坡模型,使用受限玻尔磁曼机对模型参数进行微调优化模型;采用最小边界矩形对各个实际场景的局部区域滑坡监测点数据进行管理,并应用于局部区域滑坡预测,实验结果表明,该模型能够提高预测准确率和减少预测时间。

关键词： Storm   极限学习机   气象预测   在线序列   机器学习  

摘要： 为提高气象预测精度,实时应对频发的局域气象灾害,拥有更高的处理海量数据的效率,提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机,当新批次的数据不断到达时,模型能够在训练结果的基础上继续学习新样本,并引入随机梯度下降法和误差权值调整方法,对新的预测结果进行误差反馈,实时更新误差权值参数,以提高模型预测准确率.另外,采用Storm流式处理框架对提出的算法模型进行并行化改进,以提高处理海量高维数据的能力.实验结果表明:该模型与基于Hadoop的并行极限学习机算法(parallel extreme learning machine,PELM)相比,具有更高的预测精度和优异的并行性能.

关键词： 极限学习机   BP神经网络模型   短期电力负荷   时间序列  

摘要： 提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。

关键词： 捕鱼算法   极限学习机   运动员成绩   预测模型  

摘要： 针对当前运动员成绩预测精度低的难题,提出捕鱼算法优化极限学习机的运动员成绩预测模型。收集运动员成绩的时间序列,进行聚类分析建立学习样本,采用极限学习机对学习样本进行训练,并采用捕鱼算法对极限学习进行优化,建立运动员成绩预测模型,最后采用具体数据对运动员成绩预测性能进行测试。测试结果表明,该模型可以准确拟合运动员成绩的变化特点,获得了较高精度的运动员成绩预测结果,而且预测结果要显著优于其他模型,具有较高的实际应用价值。

关键词： 网络流量   相空间重构   极限学习机   混沌变化特性  

摘要： 为了获得更加精确的网络流量预测,降低网络拥塞的频率,提出了改进极限学习机的网络流量预测模型。针对网络流量混沌性分别确定原始网络流量的延迟时间和嵌入维数,采用极限学习机对网络流量的变化特点进行拟合,改进标准学习机,改善学习速度和预测性能,最后通过网络流量数据的预测实验验证其可行性。验证结果表明:与其它网络流量预测模型相比,改进极限学习的网络流量预测结果更加可靠,对网络流量将来变化趋势可以更加准确描述,提高了网络流量预测精度。

关键词： 高炉煤气   在线预测   极限学习机   遗忘因子  

摘要： 高炉煤气是钢铁企业重要的二次能源,其产生量和消耗量的实时准确预测对高炉煤气系统的平衡调度具有重要作用;但由于高炉煤气系统工况多变、产消量数据波动较大,给高炉煤气产消量的准确预测带来了很大的挑战;为此,通过对煤气产消量数据特征的深入分析,提出了一种基于自适应遗忘因子极限学习机(AF-ELM)的在线预测算法;在序贯极限学习机的基础上,引入遗忘因子逐步遗忘旧样本,通过预测误差反馈机制,自适应的调节遗忘因子,从而提高预测方法对系统工况的动态变化的适应能力,提高预测精度;将该算法应用于钢铁企业的高炉煤气产消量在线预测,实验结果表明与序贯极限学习机相比,该预测方法在系统工况变化的情况下能保持较高的预测精度,更适合于高炉煤气产消量的在线预测。

关键词： 城市需水量   预测   极限学习机   经验模态分解   正交基函数  

摘要： 城市需水量系统具有大惯性、强耦合、非线性等特性,采用机理分析法,难以建立其准确的数学模型,导致预测效果差。鉴于此,该文将基于正交基函数的改进型极限学习机对城市需水量因子进行辨识,并利用经验模态分解方法确定网络隐含层节点数,建立了库尔勒市城市需水量预测模型。结果表明:模型有效性为0.9714,实测值与预测值的拟合关系比较理想,说明基于正交基函数的改进型极限学习机对城市需水量进行系统辨识是可行的。

关键词： 滑坡   PSO-SVM模型   极限学习机   秩相关系数检验   变形预测  

摘要： 受地质环境及多种诱发因素的影响,滑坡变形包含了多层次的信息,通过单一预测模型难以准确、有效地判断滑坡变形趋势.因此,建立多方法集合的系统模型十分必要.首先,利用小波去噪对滑坡变形序列进行去噪处理,将滑坡变形分解为趋势项和误差项,采用PSO-SVM模型对滑坡变形的趋势项进行预测,利用ELM神经网络进行误差修正,两者结果叠加即得到滑坡的变形预测值;其次,利用秩相关系数检验对滑坡的变形趋势进行判断,以验证前法预测结果的准确性,并探讨该方法在滑坡变形趋势判断中的适用性.经实例检验,得出:该预测模型的预测值与实测值基本相符,且较单一预测模型具有更高的预测精度;同时,秩相关系数检验的结果与预测结果相符,验证了变形预测结果的准确性及该方法在滑坡变形趋势判断中的适用性.

关键词： 灰色理论   极限学习机   滚动轴承   故障预测  

摘要： 针对较强噪声环境下的滚动轴承故障预测问题,为提高轴承故障预测的精度,提出并研究了一种新的滚动轴承预测技术;采用将灰色模型和极限学习机(ELM)相结合的方法,针对轴承运行状态值的非线性特点,先将样本数据进行灰色处理,解决数据的随机性和波动性问题,然后代入学习速度快,泛化精度高的ELM神经网络进行训练;在训练完毕后,对未来的轴承运行状态数据进行分析,将其与轴承设备的理论诊断标准相比较以达到故障预测的目的。

关键词： 网络安全   变化态势   极限学习机   仿真实验  

摘要： 态势预测是保证网络安全的前提条件,针对网络安全态势复杂、非线性的变化特点,提出了基于极限学习机的网络安全态势预测模型。收集网络安全态势的历史数据,并通过数据预处理便于后继建模,然后采用极限学习机对网络安全态势进行训练,建立网络安全态势的预测模型,最后通过仿真对比实验验证其有效性。结果表明,极限学习机可以刻画网络安全的将来变化态势,获得了高精度的网络安全态势预测结果,同时网络安全态势的建模效率得到了明显的提高。