关键词： 极限学习机   多变量时间序列   混沌序列预测   复合混沌优化  

摘要： 基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测,并且与同类算法进行了比较,结果表明了该方法的有效性,且算法具有较强的抗噪能力;最后讨论了预测结果和隐层神经元数目的关系.

关键词： 智能电网   负荷预测   超短期   极限学习算法   多模型  

摘要： 随着对电能质量要求的提高以及各项技术的发展,智能电网应运而生。它具有不同于传统电网的清洁性、安全性以及交互性,在一定程度上改变了电力系统的运行方式和供需关系。特别是,由于实时交互性的要求,需要信息在供电侧与消费侧实时、高速、双向的传输,从而赋予了智能电网下电力负荷预测新的特点。 本文首先分析了电力负荷的分类与特点,并阐述了现今超短期电力负荷预测方法的发展,同时对智能电网中负荷预测的意义进行综述,根据其特点——实时性要求,提出了一种基于挂起准则多模型集总极限学习算法的超短期电力负荷预测方法。这种方法在训练过程中无需迭代学习即可确定网络参数,从而节省了训练时间,提高了预测的快速性。在此基础上,又提出了基于更新准则多模型集总极限学习算法,针对由于初始权重矩阵随机选定,给预测结果带来波动的问题,采用多模型的策略,以降低波动;再利用各子模型输出误差的不同设定更新准则,对多个子模型进行分类,进而采取不同的处理方法。最后,针对上述两种方法对于负荷快速变化和平缓变化的预测精度不同的特点,提出基于切换准则多模型加权极限学习算法。进一步提高了预测精度。实验证明这种方法无论是在速度还是精度上都有了很大程度的提高,将其应用于智能电网的超短期电力负荷预测,速度和精度都符合工程实际。

关键词： 中长期电力负荷预测   极限学习机   神经网络  

摘要： 根据神经网络的非线性辨识能力和极限学习机(ELM)的高计算速度、高泛化能力等特点,提出一种批处理和逐次迭代相结合的改进极限学习机方法。实验结果表明,改进的极限学习机方法应用于中长期的电力负荷预测中,比传统的极限学习机效果更优。

关键词： 极限学习机   前馈神经网络   渗透率   支持向量机   预测模型  

摘要： 极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机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,因此具有学习速度快且泛化性能好的优点。本文将极限学习机引入到储层渗透率的预测中,通过对比支持向量机,分析其在储层渗透率预测中的可行性和优势。实验结果表明,极限学习机与支持向量机有近似的预测精度,但在参数选择以及学习速度上极限学习机具有明显的优势。

关键词： 模范事迹   先进事迹   预测预报   测报  

摘要： 11月3日上午10—11时,陕西省千阳县崔家头乡段家崖村阎家阴坡村民组所在地,发生了一次黄土大滑坡。滑坡面积600多亩,300多亩麦田被毁。滑坡发生时,乡亲们正在吃早饭(当地吃两歺),只有几个小孩在危险区玩,不幸死亡3人,伤1人。