关键词： BP神经网络   ELM极限学习机   上证开盘指数   预测  

摘要： 针对证券指数具有随机性、时变、波动性较大、非线性等特点，传统线性预测方法预测精度低等缺陷，提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷，具有训练速度快、全局最优和泛化能力优异等优点。采用1991～2013年上证指数对算法性能进行训练，2014年数据做测试，对100个测试数据仿真结果表明，复相关系数高达0.9935，极限学习机是一种预测精度高、误差小的证券指数预测算法，预测结果可以为用户提供有价值的参考意见。

关键词： 铀资源价格   经验模式分解   固有模态函数   相空间重构   极限学习机   组合预测  

摘要： 针对国际铀资源价格预测问题,提出一种基于经验模式分解(EMD)、相空间重构(PSR)和极限学习机(ELM)的非线性组合预测方法.首先通过EMD分解,将原始价格序列分解为若干固有模态分量(IMF),按频率高低将各IMF分组叠加成3个新序列;然后在重构相空间的基础上构建不同的ELM模型,分别对各IMF序列进行预测;最后对预测结果进行合成.将该方法应用于实际铀资源价格预测,并与径向基神经网络(RBF)方法及单独ELM方法进行比较,仿真结果表明该方法预测精度有明显的提高.

关键词： 面板堆石坝   极限学习机   施工期   沉降   预测  

摘要： 针对大坝安全监控预测中存在的不确定性与非线性问题,提出了基于极限学习机算法的面板堆石坝施工期沉降预测方法,并将其应用于柬埔寨某面板堆石坝沉降预测中。与传统的统计回归分析模型计算的沉降量相比,基于极限学习机算法的预测模型拟合学习速度快,精度高,适用性强,预测值与实测结果吻合较好。

关键词： 热轧   轧制力预测   灰色关联分析   极限学习机(ELM)   10折交叉验证  

摘要： 针对传统轧制力模型的固有缺陷,提出了一种基于灰色关联分析的ELM(极限学习机)轧制力预报模型.首先通过灰色关联分析对输入变量进行相关性分析,用于提高模型的性能;然后结合10次10折交叉验证确定ELM模型的隐含层节点数,建立热轧薄板的轧制力预测模型.运用现场数据对该网络进行训练和测试,并与传统的模型相比较.实验结果表明,该模型能快速、准确地预报轧制力,能满足在线预测的要求.

关键词： 核极限学习机   液压泵   特征参数   在线预测   鲁棒性  

摘要： 研究液压泵特征参数的在线预测问题。对表征液压泵工作状态的特征参数进行准确、快速的在线预测,对实时掌握液压泵健康状况的发展趋势具有重要意义。针对液压泵特征参数在线预测问题,提出一种在线核极限学习机方法(OLKELM)。OL-KELM采用Cholesky分解将核极限学习机(KELM)从离线模式扩展到在线模式,网络权值可在历史训练数据的基础上,随新样本的输入而递推求解更新,并以简单的四则运算替代复杂的矩阵求逆,从而提高网络的在线学习效率。仿真结果表明,在获得同样预测精度的条件下,OL-KELM比直接在线核极限学习机的计算速度更快,且预测误差小于贯序正则极限学习机,并具有更强的鲁棒性,故OL-KELM能够对液压泵特征参数进行快速准确的在线预测。

关键词： 风速   预测   改进极限学习机   集合经验模态分解   相空间重构  

摘要： 提出一种基于集合经验模态分解(Ensemble empirical mode decomposition)和改进极限学习机(Improved Extreme Learning Machine,IELM)的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量,以降低序列的非平稳性。使用改进极限学习机对各分量分别建模预测,为避免极限学习机输入维数选取的随意性和分量信息丢失等问题,先对各分量重构相空间,最后将各分量预测结果叠加得到最终预测结果。实例研究表明,所提的组合预测模型具有较高的预测精度。

关键词： 极限学习机   轧制   板形   预测模型   支持向量机  

摘要： 高效地建立起板形模型有利于提高板带轧制过程中的板形精度和有效实现板形控制。提出了一种基于极限学习机(ELM)的板带轧制过程中板形预测模型,不但可以简化参数选择过程,在核函数选择上可以根据训练样本值自动选择无须手动选择,而且可以提高模型的训练速度。结合铝板带四连轧机组在线实测数据进行模型训练,实现对轧制过程板形的预测且得到实验验证。本算法与支持向量机(SVM)模型预测对比,在训练样本数量较少的情况下,模型预测精度都能达到期望精度值,且具有同样甚至更高的预测精度,还具有急速的特点和更强的泛化能力。

关键词： 主成分分析   极限学习机   多变量极限学习机   剩余寿命预测  

摘要： 提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。

关键词： 相似日   时间序列编码   极限学习机   负荷预测  

摘要： 研究电力负荷预测准确性问题,由于电力负荷与天气、经济、假期等多种因素密切相关,变化规律具有周期性和随机性,传统方法无法描述其变化规律,导致电力负荷预测精度低。为了提高电力负荷预测精度,提出一种基于时间序列编码的相似日选择和极限学习机(ELM)相结合的电力负荷预测方法。基于时间序列编码的相似日选择方法在每个编码点中融入了整个序列的信息,不仅可以描述出序列的趋势,还可以描述出节点在序列中的相对位置。采用ELM进行预测,只需要设置网络的隐层节点个数。在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解。以某建筑电网的电力负荷数据进行仿真。并将上述方法与支持向量机(SVM)和BP神经网络进行对比。实验结果表明,改进方法具有较高的预测精度和较强的适应性,并且运行时间较短。

关键词： 工程管理   高速公路   造价管理   极限学习机(ELM)   Matlab  

摘要： 高速公路的工程造价是前期项目预算的重要数据参考,是公司投资管理经营与造价控制的关键节点,如何建立模型准确地预测公路工程造价对进行公路工程管理有很大的帮助,同时意义重大。文中根据中国高速公路工程建设项目造价预测的研究现状,将优化极限学习机(ELM)预测方法引入高速公路造价预测,建立高速公路建设项目工程造价预测模型,并结合Matlab软件进行了应用性分析与研究。实例分析结果表明该预测模型简便,具有较高的实用性。