期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于加权极端学习机的瓦斯涌出量预测模型 被引量:2
1
作者 谢国民 谢鸿 +1 位作者 付华 闫孝姮 《控制工程》 CSCD 北大核心 2018年第3期459-463,共5页
为了能够更加准确地预测瓦斯涌出量,提出一种多元混沌时间序列的加权极端学习机瓦斯涌出量预测模型。首先对瓦斯涌出量监测数据构成的多元时间序列进行相空间重构,采用信息熵方法选取最佳延迟时间和嵌入维数:然后根据相空间中输入数... 为了能够更加准确地预测瓦斯涌出量,提出一种多元混沌时间序列的加权极端学习机瓦斯涌出量预测模型。首先对瓦斯涌出量监测数据构成的多元时间序列进行相空间重构,采用信息熵方法选取最佳延迟时间和嵌入维数:然后根据相空间中输入数据对预测误差的影响施加不同的权重,并结合核极端学习机预测模型构造出加权极端学习机模型。通过仿真试验表明,提出的预测模型行之有效,与同类其他模型相比,具有更高的预测精度和更好的稳定性。 展开更多
关键词 多元混沌时间序列 加权极端学习(welm) 瓦斯涌出量 预测分析
在线阅读 下载PDF
多元混沌时间序列的加权极端学习机预测 被引量:14
2
作者 韩敏 王新迎 《控制理论与应用》 EI CAS CSCD 北大核心 2013年第11期1467-1472,共6页
针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极... 针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极端学习机预测模型,具有支持向量机的核映射表达能力以及极端学习机的一步快速训练能力,因此训练简便且具有较好的泛化性能.所提算法具有和训练样本三次方成正比的计算复杂度,因此适用于102?103样本规模的平稳时间序列.基于Lorenz混沌时间序列和年太阳黑子和黄河年径流混沌时间序列预测的仿真结果证明所提算法的有效性. 展开更多
关键词 时间序列 预测 极端学习 支持向量 样本加权
在线阅读 下载PDF
露天矿抛掷爆破振动速度峰值加权平均集成预测研究
3
作者 龚伟 范雪强 +3 位作者 肖双双 林士桢 王红胜 董国伟 《金属矿山》 北大核心 2025年第8期94-106,共13页
露天矿抛掷爆破振动速度峰值是评估爆破安全性和环境影响的关键指标之一。为了提高振动速度峰值预测的准确性,采用斯皮尔曼(Spearman)和肯德尔(Kendall)相关系数统计分析,并结合随机森林(RF)和极端梯度提升(XGBoost)算法,筛选出影响振... 露天矿抛掷爆破振动速度峰值是评估爆破安全性和环境影响的关键指标之一。为了提高振动速度峰值预测的准确性,采用斯皮尔曼(Spearman)和肯德尔(Kendall)相关系数统计分析,并结合随机森林(RF)和极端梯度提升(XGBoost)算法,筛选出影响振动速度峰值的主要特征。根据分析结果,选择了爆心距离、高差、台阶高度、总药量和平均单耗作为预测模型的输入变量。采用加权平均法对XGBoost和改进粒子群算法优化混合核极限学习机(IP-SO-HKELM)单一模型的预测结果进行集成,从而构建抛掷爆破振动速度峰值集成预测模型。测试表明:采用加权平均法对XGBoost和IPSO-HKELM的预测结果进行融合,并通过调整样本权重分配,显著提高了预测模型的性能。加权平均集成模型的评估指标决定系数(R2)、平均绝对误差(MAE)、均方根误差(RMSE)及平均绝对百分比误差(MAPE)分别为0.977、0.591、0.921和17.198%。与传统方法相比,该加权平均法集成模型在评估指标上表现出了明显的提升,尤其在MAE和RMSE上实现了较大幅度的优化,展现出其在实际应用中的优势。 展开更多
关键词 抛掷爆破 极端梯度提升 混合核极限学习 加权平均法
在线阅读 下载PDF
基于DGA与IGWO-WELM的变压器不平衡故障诊断研究 被引量:1
4
作者 雷家浩 包永强 +2 位作者 钱玉军 姜丹琪 王森林 《现代电子技术》 2023年第24期105-108,共4页
针对变压器故障诊断精度较低的问题,提出一种改进的灰狼算法(IGWO)与加权极限学习机(WELM)的变压器不平衡故障诊断模型。首先,基于油中气体分析(DGA)技术,结合无编码方法将变压器的7种特征量作为可视输入;然后,采用Logistic混沌映射、... 针对变压器故障诊断精度较低的问题,提出一种改进的灰狼算法(IGWO)与加权极限学习机(WELM)的变压器不平衡故障诊断模型。首先,基于油中气体分析(DGA)技术,结合无编码方法将变压器的7种特征量作为可视输入;然后,采用Logistic混沌映射、云模型惯性权重对灰狼算法(GWO)进行改进;最后利用IGWO对WELM的相关参数进行迭代优化,并利用IGWO-WELM故障诊断模型对变压器进行故障诊断。试验结果表明:提出模型的G-mean平均值为96.06%,比GWO-WELM、GA-WELM、PSO-WELM和WELM分别高10.96%、12.92%、1.08%和18.41%;误报率平均值为12.28%,也明显低于其他4种模型。 展开更多
关键词 变压器 不平衡故障诊断 油中气体分析(DGA) IGWO 加权极限学习(welm) IGWO-welm
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部