关键词： 近红外光谱   波长选择   灰度关联   土壤全氮   极限学习机  

摘要： 为了克服近红外光谱的多重共线性、吸光度非线性等特点给土壤全氮含量预测带来的影响,引入灰度关联-极限学习机方法选择出具有较好预测能力的波长组合,以建立高精度土壤全氮含量预测模型。首先利用一阶微分光谱得到反映土壤全氮含量的敏感谱区,再利用灰度关联法得到土壤全氮含量的敏感波长,分别为1 007、1 128、1 360、1 596、1 696、1 836、2 149、2 262 nm。最后采用极限学习机,将上述敏感波长作为输入,建立了土壤全氮预测模型。作为对照,同时采用传统相关分析方法选择了敏感波长并建立了回归模型。2种建模结果表明,灰度关联-极限学习机建立的土壤全氮预测模型,其建模决定系数R_c^2为0.913 4,预测决定系数R_v^2为0.878 7,建模精度和预测精度都比传统建模方法高。特别在预测低氮含量土壤时,灰度关联-极限学习机方法优势更明显。

关键词： 短期风速预测   可变模式分解   NW小世界纵横交叉算法   极限学习机  

摘要： 针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VM D)和动态NW小世界纵横交叉算法(dynamic NW small w orld crisscross optimization,NWCSO)优化极限学习机的短期风速组合预测模型。采用一种新型的可变模式分解技术,将原始风速时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立极限学习机模型进行预测,并采用小世界纵横交叉算法对极限学习机的输入权值和隐含层偏置进行优化,以获得最佳的预测效果。实验结果表明,基于VMD的组合预测模型较采用其他常规分解方式时预测精度明显提高。

关键词： 混凝土抗压强度   灰色关联分析   极限学习机   强度预测  

摘要： 利用灰色关联分析法筛选出表征混凝土抗压强度的重要因素指标,并以选取的因素指标为输入变量、以抗压强度为输出变量,创建极限学习机(ELM)模型,克服了冗余因素对模型精度的影响。实例分析表明经指标优化选择的ELM模型具有较高的精度,对抗压强度的预测效果明显优于未经指标筛选的ELM模型,也远好于支持向量机的预测效果,为混凝土抗压强度预测提供了一种新思路。

关键词： mRMR   极限学习机   WRELM   预测模型  

摘要： 精确的风速预测是风电功率预测的基础,对保障风电场并网运行和维护电力系统的安全、稳定具有重要意义。针对风速时间序列强烈的波动性、随机性,难以预测的特点,建立了一种基于加权正则极限学习机(WRELM)的短期风速预测新方法。首先,采用与风速相关性大的历史风速、风向以及温度、气压、湿度等气象因素构成候选特征集;采用最大相关最小冗余(mRMR)准则选取与风速序列相关性最大的特征集作为预测输入,由此确定预测网络的训练集和测试集,建立WRELM;采用训练集数据训练网络参数,构建WRELM预测模型;最后,采用WRELM网络预测短期风速。通过风电场实测风速数据试验,验证了该方法的有效性,可用于短期风速预测实践。

关键词： 微信热点   预测模型   极限学习机   验证性测试   权值更新  

摘要： 为了提高微信热点预测的准确性,更好描述微信热点的变化趋势,针对当前微信热点预测模型存在的一些局限性,设计了改进极限学习机的微信热点预测模型.首先采集微信热点的历史数据,构建微信热点的时间序列学习样本,然后采用极限学习机对微信热点样本进行训练,并对标准极限学习机进行改进,提升其学习能力,建立了微信热点的预测模型,最后采用具体微信热点数据进行验证性测试.测试结果表明,改进极限学习机可以获得高精度的微信热点预测结果,而且微信热点的建模效率要高于其他微信热点预测模型,具有良好的实际应用价值.

关键词： 粮食产量   主成分分析   极限学习机   预测模型  

摘要： 为了提高粮食产量预测的准确性,针对我国粮食产量受到多因素影响且呈非线性关系的特点,提出主成分分析和极限学习相结合的粮食产量短期精准预测方法。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法构建影响粮食产量的主要成分,从而降低影响因子的维度。其次,根据粮食数据样本集少、输入变量与输出变量间呈非线性关系的特点,构建粮食产量的极限学习机预测模型并对模型参数进行比较优化。最后,通过对实际粮食产量数据的应用以及与其它预测方法的比较,研究模型的预测精度。结果表明,基于极限学习机的粮食产量预测模型的3年及5年预测误差分别为1.9%和2.08%,相比于BP神经网络模型和多项式拟合模型而言,预测精度大幅提高,能够实现粮食产量的短期精准预测。

关键词： 物流系统   需求分析   关联维法   极限学习机   预测结果  

摘要： 为了提高物流需求的预测精度,为物流园区规划提供科学支撑,提出混沌理论和极限学习机的物流需求预测模型。物流需求受外界因素综合作用,具有混沌变化特点,通过互信息法和G-P法分析其混沌变化规律,根据混沌变化特点处理物流需求数据,并采用极限学习机进行回归与预测,最后与其他物流需求模型的性能进行对比与分析。结果表明,该模型获得了更高的物流需求预测精度,预测结果更加稳定、可信,预测结果有利于物流园区规划。

关键词： 氨态氮预测   粒子群算法   变异算子   极限学习机  

摘要： 针对养殖水体氨态氮含量预测准确性低的问题,提出了一种基于改进粒子群算法优化极限学习机的水产养殖氨态氮含量预测模型。引入自适应变异算子改进粒子群算法的搜索性能,利用改进粒子群算法优化极限学习机的初始权值和阈值,最后训练极限学习机预测模型求得最优解。将该预测模型应用在小汤山水产品养殖系统进行有效性验证,通过试验发现,与PSO-ELM和普通BP神经网络相比,IPSO-ELM预测氨态氮含量模型有更高的精度和更好的拟合能力。结果表明,基于改进粒子群优化的极限学习机氨态氮含量预测模型简单易懂、预测精度高、易于实现,具有较好的预测性能。

关键词： 多变量时间序列   预测模型   极限学习机   奇异值分解  

摘要： 在极限学习机预测多变量时间序列研究中,针对以往将矩阵转换成向量作为模型输入,从而影响预测精度的问题,结合奇异值分解思想,提出一种直接以矩阵作为输入的多变量时间序列极限学习机预测型SVDELM.由Rossler、Chen’s、Lorentz和股票多变量时间序列的实验结果表明,SVDELM是一种有效的多变量时间序列预测模型.

关键词： 土壤有机质   极限学习机   辅助变量   空间预测   蔬菜地  

摘要： 应用多源辅助变量预测土壤有机质的空间分布,能有效提高预测精度。以西安市蔬菜产地为研究区域,共采集422个土壤样品,运用极限学习机(extreme learning machine,ELM)、逐步线性回归(stepwise linear regression,SLR)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型,结合坡度、坡向、种植年限、种植类型、灌溉方式、氮肥施用量、磷肥施用量、钾肥施用量、土壤类型、碱解氮、有效磷、速效钾、盐分、硝酸盐、pH值等15个多源辅助变量,对研究区蔬菜地土壤有机质含量进行空间预测,并通过100个实测点验证预测结果。结果表明:ELM对土壤有机质预测结果的均方根误差为0.631 g kg-1,均方根误差和预测集平均值的比值为0.037,二者均低于其他3种模型,ELM的相关系数为0.716,显著高于SLR、SVM和RF,ELM的空间预测结果更接近土壤有机质含量的真实情况。同时,根据ELM分析结果及算法本质阐释其在土壤属性领域应用的地理学意义,也为其他土壤属性空间预测引入了一种新方法。