关键词： 股票价格   核极限学习机   在线预测   鲁棒性  

摘要： 为了对股票价格进行准确、快速的在线预测,提出一种在线核极限学习机算法(OL-KELM)的股票价格预测模型.首先收集股票价格数据,采用相空间重构理论建立学习样本,然后将学习样本输入在线核极限学习机中进行学习,建立股票价格预测模型,最后对国药股份(600511)股票收盘价进行仿真实验.结果表明,相对于其他股票价格预测模型,OL-KELM提高了股票价格预测的准确性,可以准确地刻画股票价格的变化趋势.

关键词： 微电网   短期负荷预测   极限学习机   周期更新  

摘要： 针对以单个或集体用户为业主的用户侧小容量微电网,考虑到成本约束及用电特征的不确定性,提出了一种基于核函数极限学习机的微电网短期负荷预测方法。使用核函数极限学习机、启发式遗传算法和分时训练样本,建立了包含离线参数寻优与在线负荷预测的预测模型;通过模型参数的周期更新来保证算法最优参数的时效性,同时降低在线预测系统的计算复杂度与历史数据存储量。通过对不同容量、类型的用户侧微电网进行短期负荷预测,分析了预测结果的准确度、参数周期更新的效果、预测结果对经济运行的影响和预测方法的计算效率。

关键词： 极限学习机(ELM)   三化螟   预测  

摘要： 极限学习机(ELM)学习速度快且泛化性好,极易产生惟一最优解,适用于虫害预测。通过实情验证,在广西宜州三化螟虫害预测预报中,ELM预测精度较高,能够满足虫害预测对准确率和实时性的要求,可作为一种新的虫害预测方法。

关键词： Earth orientation parameters (EOP)   length of day (LOD)   predictions   artificial neural networks (ANN)   extreme learning machine (ELM)  

摘要： This work presents short-and medium-term predictions of length of day (LOD) up to 500 days by means of extreme learning machine (ELM). The EOP C04 time-series with daily values from the International Earth Rotation and Reference Systems Service (IERS) serve as the data basis. The influences of the solid Earth and ocean tides and seasonal atmospheric variations are removed from the C04 series. The residuals are used for training of the ELM. The results of the prediction are compared with those from other prediction methods. The accuracy of the prediction is equal to or even better than that by other approaches. The most striking advantages of employing ELM instead of other algorithms are its noticeably reduced complexity and high computational efficiency.

关键词： Chla浓度   极限学习机回归   预测模型   灰色关联分析   软测量  

摘要： 有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。

关键词： RNA  

摘要： RNA secondary structure prediction is of great importance for the recognition of RNA functions, understanding genetic diseases and creating drugs. Although a great deal of work has been done in this field until now, it is an open problem yet to be fully investigated in computational molecular biology. Extreme learning machine (ELM) for single-hidden-layer feedforward neural networks (SLFN) is a powerful machine learning technique attracting plenty of attentions for its fast training speed. Recently, an improved ELM called self-adaptive evolutionary extreme learning machine (SaE-ELM) is proposed to overcome a deficiency of ELM that it may have redundant hidden nodes. In this paper, we present an effective and fast method for RNA secondary structure prediction using SaE-ELM through comparative sequences analysis, which is the golden standard method when given homologous sequence alignment. The covariation score and the fraction of complementary nucleotides are selected as the components of the feature vector. Experimental results on 68 RNA sequence alignment families from Rfam (version 11.0) show that the proposed method can achieve faster training speed and higher accuracy than support vector machine (SVM), which has been verified as an effective method in RNA secondary structure prediction, and generate a more compact network than ELM while keeping the performance have a moderate degradation. ©, 2015, Binary Information Press. All right reserved.

关键词： 充填体强度   极限学习机   泛化能力   均方误差  

摘要： 针对充填体强度与影响因素之间复杂的非线性关系,利用极限学习机算法(ELM)建立了充填体强度预测的ELM模型,该模型以良山铁矿充填料浆配比试验数据作为训练和测试样本,选取料浆浓度、灰砂比、水泥含量及矿渣微粉掺入量4个影响因素作为输入因子,28天抗压强度作为输出因子。结果表明:当隐含层节点数目选取为17个,激活函数为Sigmoidal时网络模型具有良好的泛化能力和预测精度,模型训练值和预测值与实测值的均方误差(MSE)分别为0.39和0.36,平均相对误差控制在5%以内,对充填体的强度具有良好的预测能力。

关键词： 网络微博   在线性极限学习   热点话题   捕鱼算法  

摘要： 微博热点话题预测对网络舆情控制与管理具有重要意义,针对微博网络热点话题的随机性、非线性以及核极限学习的隐层权值和隐层阈值优化难题,提出一种捕鱼算法优化在核极限学习的微博热点话题预测模型。首先将微博网络热点话题历史样本划分训练样本和测试样本集,然后采用在核极限学习对微博热点话题训练样本进行学习与建模,并采用捕鱼算法优化在线极限学习的隐层权值和隐层阈值,最后采用微博热点话题测试样本对其性能进行测试。实验结果表明,本文模型可以描述微博热点话题的发展趋势,提高了网络热点话题的预测精度,而且性能优于其它网络热点话题预测模型。

关键词： 工程造价   输电线路工程   招投标制   预测模型   工程建设   数学方法   神经网络   工程总造价   灰色关联理论   造价分析  

摘要： 引言工程造价预测是工程造价控制的前提,是工程项目可行性研究的基础,也是招投标制定标底的依据,因此工程造价预测成为工程建设中首要解决的问题。快速而又准确地进行工程造价的预测,对于工程项目的管理实践具有重大的理论意义和现实意义。本文采用贡献度-极限学习机这些数学方法构成输电线路工程造价预测模型,并证明该理论与方法的科学性,进而研究解决工程造价预测效率不高这一难题。

关键词： 网络流量   正则极限学习机   相空间重构   混沌理论  

摘要： 网络流量预测一直是网络研究技术中的热点,针对网络流量变化的时变性、混沌性,提出一种相空间重构和正则极限学习机的网络流量预测模型。首先收集大量的网络流量历史样本,并进行相应的预处理,然后根据混沌理论确定最优延迟时间和嵌入维数,并重构网络流量学习样本,最后采用正则极限学习机建立网络流量预测模型,并进行仿真对比实验。结果表明,相对于其它网络流量预测模型,本文模型可以更加准确描述网络流量的非线性变化特点,提高网络流量预测精度,预测结果具有一定实用价值。