期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到726篇文章
< 1 2 … 37 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进粒子群算法和极限学习机模型的配电网物资需求预测 被引量：1
1
作者 王永利 赵中华 +2 位作者 张一诺 冯天义 刘怡然 《科学技术与工程》 北大核心 2025年第15期6410-6418,共9页
为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的... 为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的因素。其次,利用引入自适应惯性因子和学习因子的改进粒子群算法调整极限学习机的最佳参数组合,训练各类配网项目物资需求预测模型。最后,以南方电网深圳市某供电局2020—2022年基建项目10 kV电力电缆需求情况为例,将GRA-IPSO-ELM(grey relational analysis,improved particle swarm optimization,and extreme learning machines)德尔菲法和灰色关联分析法模型与常见的4种预测模型的结果进行对比。结果表明,相较于ELM模型、支持向量机模型以及PSO-ELM模型,GRA-IPSO-ELM模型预测准确率得到10.38%、5.37%、3.83%的提升,可见,所提出的模型实现了对配网物资需求数量准确且高效的预测。 展开更多
关键词 物资需求预测 配电网 极限学习机 改进粒子群优化算法
在线阅读 下载PDF
基于灰狼算法优化深度极限学习机的钢轨热处理性能预测模型
2
作者 蔡里批 李硕 丁敬国 《材料与冶金学报》 北大核心 2025年第2期162-170,共9页
为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learn... 为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考. 展开更多
关键词 钢轨热处理 灰狼优化算法 深度极限学习机 性能参数预测
在线阅读 下载PDF
基于分数阶优化的极限学习机交通流短时预测模型
3
作者 李卓轩 何桂仲 +1 位作者 卫一恒 曹进德 《控制理论与应用》 北大核心 2025年第6期1191-1199,共9页
在智能交通系统中,交通流预测在交通管理和减少拥堵方面发挥着关键作用.本文旨在开发一种高效、非迭代的神经网络方法用于交通流短时预测,该方法被称为改进分数阶极限学习机(IFra-ELM).通过分数岭回归算法,使得ELM算法在求解输出权重时... 在智能交通系统中,交通流预测在交通管理和减少拥堵方面发挥着关键作用.本文旨在开发一种高效、非迭代的神经网络方法用于交通流短时预测,该方法被称为改进分数阶极限学习机(IFra-ELM).通过分数岭回归算法,使得ELM算法在求解输出权重时具有更好的性能,该方法被称为分数极限学习机(Fra-ELM).在输入层之后添加改进分数阶累加层,将与原始输入进行拼接,增强了ELM算法的特征提取能力.通过改进分数阶累加层与分数极限学习机相结合,增强了模型对于不同场景下交通流的预测能力和鲁棒性.实验结果表明,与传统方法相比,IFraELM模型在交通流预测方面具有优越的性能.该框架有潜力提高交通预测系统的准确性和效率,有助于智能交通基础设施的发展. 展开更多
关键词 交通流预测 神经网络 分数阶累加 改进分数阶极限学习机
在线阅读 下载PDF
基于集成经验模态分解和极限学习机的质子交换膜燃料电池寿命预测 被引量：2
4
作者 陈景文 杨淇 +2 位作者 兰天一 华志广 赵冬冬 《太阳能学报》 北大核心 2025年第2期135-141,共7页
基于数据驱动的预测方法可实现质子交换膜燃料电池(PEMFC)的寿命预测。为提高质子交换膜燃料电池(PEMFC)寿命预测精度,提出将集成经验模态分解(EEMD)和粒子群算法(PSO)优化极限学习机(ELM)相结合的PEMFC剩余使用寿命预测方法。首先,采... 基于数据驱动的预测方法可实现质子交换膜燃料电池(PEMFC)的寿命预测。为提高质子交换膜燃料电池(PEMFC)寿命预测精度,提出将集成经验模态分解(EEMD)和粒子群算法(PSO)优化极限学习机(ELM)相结合的PEMFC剩余使用寿命预测方法。首先,采用移动平均滤波法在滤除噪声和尖峰的同时,保留原始数据的主要趋势;其次,通过EEMD对原始数据进行多时间尺度分解,得到不同时间尺度下PEMFC的老化信息;最后,将分解后的本征模函数分别通过PSO优化的ELM模型进行预测,能在保证预测精度的情况下降低运算复杂度。通过与经典的极限学习机模型预测结果进行对比,该方法能更加准确地预测PEMFC的老化趋势。 展开更多
关键词 质子交换膜燃料电池 预测 经验模态分解 极限学习机
在线阅读 下载PDF
基于算法优化极限学习机的香芋皮改性膳食纤维制备及其NO_(2)^(-)吸附量预测
5
作者 邓忠惠 谢微 《中国无机分析化学》 北大核心 2025年第6期889-897,共9页
在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜... 在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜索算法(SSA)、灰狼优化算法(GWO)和海鸥算法(SOA)对ELM进行优化。使用训练数据集对优化后的ELM模型进行训练。使用测试数据集对模型进行验证,评估模型的性能指标。结果显示,5种优化后的ELM模型在各项性能指标上均优于初始ELM模型。在5种优化算法中,SSA-ELM模型表现最为显著,其绝对误差(MAE)、均方误差(MSE)、均方误差根(RMSE)、平均绝对百分比误差(MAPE)分别为0.023498、0.0007391、0.027186和0.037267%,是所有优化算法测试模型中最低值。在测试模型中,原始ELM模型的R^(2)为0.013291,而GA-ELM、PSO-ELM、SSA-ELM、GWO-ELM和SOA-ELM模型的R^(2)分别0.86709、0.98016、0.99971、0.99998和0.99969。这表明5种优化ELM模型具有更高的拟合度、更好的泛化能力和稳定性,且相对于原始ELM模型,R^(2)值有显著提升。优化后的ELM模型,可以快速、准确地预测不同工艺条件下香芋皮改性膳食纤维的NO_(2)^(-)吸附量,减少实验成本和时间,提高生产效率和产品质量,为实际应用提供可靠的预测工具。 展开更多
关键词 香芋皮改性膳食纤维 响应面法 极限学习机 算法优化 预测
在线阅读 下载PDF
基于机器学习的冠心病风险预测模型构建与比较 被引量：2
6
作者 岳海涛 何婵婵 +3 位作者 成羽攸 张森诚 吴悠 马晶 《中国全科医学》 CAS 北大核心 2025年第4期499-509,共11页
背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目... 背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。 展开更多
关键词 冠心病 机器学习 风险预测模型 LOGISTIC回归 k最邻近算法 支持向量机 决策树 XGBoost
在线阅读 下载PDF
基于“十二生肖”算法优化的加权极限学习机月径流预测
7
作者 韩艳 崔东文 《三峡大学学报(自然科学版)》 北大核心 2025年第4期1-10,共10页
为提高月径流时间序列预测精度,改进加权极限学习机(WELM)预测性能,对比验证“十二生肖”算法在基准测试函数和实例目标函数上的优化效果,提出经验小波变换二次分解(EWT^(Ⅱ))技术-“十二生肖”算法-WELM月径流时间序列预测模型.首先,... 为提高月径流时间序列预测精度,改进加权极限学习机(WELM)预测性能,对比验证“十二生肖”算法在基准测试函数和实例目标函数上的优化效果,提出经验小波变换二次分解(EWT^(Ⅱ))技术-“十二生肖”算法-WELM月径流时间序列预测模型.首先,利用经验小波变换(EWT)对月径流时间序列进行分解处理,得到EWT_(1)、EWT_(2)两个分解分量;采用模糊熵(FuzzyEn)计算EWT_(1)、EWT_(2)分量的模糊熵值,利用EWT^(Ⅱ)对模糊熵值较大的EWT_(1)分量进行二次分解,得到EWT_(1-1)~EWT_(1-3)三个分量.其次,基于EWT_(1-1)~EWT_(1-3)、EWT_(2)分量训练集构建4个WELM输入层权值和隐含层偏差(超参数)优化的实例目标函数,同时选取6个基准测试函数作为对比验证函数,利用“十二生肖”算法分别对6个基准测试函数和4个实例目标函数进行极值寻优与对比分析.最后,建立EWT^(Ⅱ)-“十二生肖”算法-WELM模型,通过云南省南洞地下河月径流预测实例对12种模型进行验证.结果表明:“十二生肖”算法对6个基准测试函数寻优的总排名与对4个实例目标函数寻优的总排名不一致,总体上冠豪猪优化算法(CPO)、野狗优化算法(DOA)寻优效果较好,变色龙算法(CSA)、天牛须搜索算法(BAS)、自学羚羊迁徙算法(SAMA)寻优效果较差;“十二生肖”算法对4个实例目标函数寻优的总排名与12种模型预测精度总排名基本一致,表明“十二生肖”算法极值寻优能力越强,获得的WELM超参数越优,所构建的预测模型性能越好;EWT^(Ⅱ)-CPO/CSO/DOA/CapSA/WHO-WELM模型预测的E_(MAP)、E_(MA)、E_(RMS)分别在0.422%~0.485%、0.022~0.026m^(3)/s、0.028~0.032m^(3)/s之间,优于其他对比模型,具有更好的预测效果. 展开更多
关键词 月径流预测 经验小波变换 二次分解 “十二生肖”算法 加权极限学习机 函数优化
在线阅读 下载PDF
基于极限学习机模型参数优化的光伏功率区间预测技术 被引量：2
8
作者 何之倬 张颖 +4 位作者 郑刚 郑芳 黄琬迪 张沈习 程浩忠 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第3期285-294,共10页
提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM... 提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明:所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度. 展开更多
关键词 光伏功率 区间预测 极限学习机 参数优化 加权欧氏距离指标
在线阅读 下载PDF
基于NMI-SS-FOA优化极限学习机的隧道变形预测模型 被引量：2
9
作者 姜平 徐剑波 +3 位作者 杨熙 许文军 任若微 罗学东 《安全与环境工程》 CAS CSCD 北大核心 2024年第6期48-56,共9页
为确保隧道施工在安全、经济和高效方面的要求得以满足,对隧道变形进行准确预测是十分必要的。针对隧道变形数据具有非线性和时序性等特征,提出了一种基于NMI-SS-FOA优化极限学习机(ELM)的隧道变形预测模型。该模型首先通过NMI(归一化... 为确保隧道施工在安全、经济和高效方面的要求得以满足,对隧道变形进行准确预测是十分必要的。针对隧道变形数据具有非线性和时序性等特征,提出了一种基于NMI-SS-FOA优化极限学习机(ELM)的隧道变形预测模型。该模型首先通过NMI(归一化互信息)法筛选出影响隧道变形的关键参数,将筛选后的参数作为数据集,然后基于扇区搜索机制的果蝇优化算法优化下的极限学习机(SS-FOA-ELM)来预测隧道的变形,并与数学统计预测模型、BP神经网络模型、随机森林方法、SVR(支持向量回归)模型和ELM模型的预测结果进行对比。结果表明:NMI-SS-FOA优化极限学习机的隧道变形预测模型能有效预测隧道变形,其预测结果对应的均方根误差(E_(RMSE))、平均绝对百分比误差(EMAPE)、a_(10)指数(a_(10))和决定系数(R^(2))分别为5.06、19.42%、0.932和0.607,其预测效果较其他预测模型更好;覆盖层厚度(H)、岩体黏聚力(C_(rm))和岩体内摩擦角(φ_(rm))对预测结果影响较大。研究结果可以为隧道施工引起的隧道变形预测和控制提供参考。 展开更多
关键词 隧道工程 变形预测 优化算法 极限学习机 归一化互信息法
在线阅读 下载PDF
基于泊松噪声和优化极限学习机的多因素混合学习方法及应用
10
作者 蒋锋 路畅 王辉 《统计与决策》 北大核心 2025年第1期52-57,共6页
针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适... 针对风电功率数据高波动性和间歇性的特点,文章提出了一种基于泊松噪声的互补集合经验模态分解(CEEMDPN)和改进的蛇优化算法(MSO)优化极限学习机的多因素混合学习方法。首先,利用CEEMDPN将风电功率序列分解为子序列;然后,引入曲线自适应调整参数改进蛇优化算法;最后,运用MSO优化的极限学习机(ELM)对每个子序列进行预测并集成。为了验证CEEMDPN-MSO-ELM模型的有效性,采用龙源电力集团的风电功率数据进行超短期预测,实证结果表明,CEEMDPN算法能够加强风电功率序列的主频率部分并提高分解精度,MSO算法能够很好地平衡算法的寻优速度与收敛精度,从而有效提升ELM模型的预测性能,所提模型的预测精度和稳健性均优于其他对比模型。 展开更多
关键词 超短期风电功率预测 互补集合经验模态分解 蛇优化算法 极限学习机
在线阅读 下载PDF
基于机器学习算法的湖南沅陵森林火灾风险预测
11
作者 楚春晖 朱柯颖 +3 位作者 王光军 贺蔚成 覃思敏 莫梓 《中南林业科技大学学报》 北大核心 2025年第10期59-68,共10页
【目的】为准确评估森林火灾风险等级,助力森林巡护、优化应急资源布局、提升防火效能,以沅陵县为研究对象,基于地形、可燃物、气象和人类活动等因素数据,采用机器学习算法构建森林火灾发生预测模型,为森林火灾预防提供科学依据。【方... 【目的】为准确评估森林火灾风险等级,助力森林巡护、优化应急资源布局、提升防火效能,以沅陵县为研究对象,基于地形、可燃物、气象和人类活动等因素数据,采用机器学习算法构建森林火灾发生预测模型,为森林火灾预防提供科学依据。【方法】综合考虑地形、可燃物、气象和人为活动4类因素,在研究区内提取11个驱动因子,包括高程、坡度、坡向、归一化植被指数、植被类型、降水量、气温、风速、距道路的距离、距居民点的距离和距水系的距离,对影响森林火灾发生的驱动因子进行评估。基于MODIS火灾产品得出研究区域内的历史火点数据,通过机器学习算法构建森林火灾风险预测模型,并采用混淆矩阵评估指标及ROC曲线对模型的预测精度进行综合评价。【结果】距道路的距离和距居民点的距离这2个驱动因素占据的权重相对最大,其他驱动因素也影响着森林火灾的发生。3种模型的ROC曲线表明,随机森林模型具有较好的准确性,准确率达到78.15%,曲线下面积值为0.85,逻辑斯蒂回归预测模型准确度为74.81%,曲线下面积值为0.81;支持向量机预测模型准确度为70.74%,曲线下面积值为0.79。【结论】随机森林模型表现出比逻辑斯蒂回归模型和支持向量机模型更好的预测能力。森林火灾高、极高风险区域在研究区中占比26.62%。森林火灾风险等级图有助于有关部门采取相关预防措施,有效保障森林资源安全。 展开更多
关键词 机器学习 随机森林 支持向量机 火灾风险 预测模型 驱动因子
在线阅读 下载PDF
蚁群优化算法协同深度极限学习机的热连轧宽度预测模型
12
作者 李嘉林 高杰 丁敬国 《材料与冶金学报》 CAS 北大核心 2024年第5期497-504,共8页
热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM... 热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM网络中,以提高其预测精度和泛化能力.先利用数据预处理方法对原始数据进行异常值的剔除和数据归一化.然后,使用蚁群优化算法对DELM的隐藏层节点数、迭代次数进行优化,在隐藏层节点数达到95个、迭代次数为480次时,DELM模型的预测性能最佳,其在预测不同规格带钢平均宽度时,决定系数R^(2)达到0.9989,97.98%的样本点预测误差分布在-7~7 mm.应用结果表明,与传统的深度极限学习机(DELM)、卷积神经网络(CNN)等模型相比,ACO-DELM模型在预测精度和泛化能力上有明显的提升,可有效应用于热轧带钢的平均宽度预测. 展开更多
关键词 热连轧 蚁群优化算法 深度极限学习机 宽度预测
在线阅读 下载PDF
基于极限学习机的短期电力负荷在线预测 被引量：3
13
作者 杨凌 彭文英 +2 位作者 杨思怡 杜娟 程丽 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期637-644,共8页
为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输... 为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输出权值的稀疏正则化项相结合,用l1-范数稀疏化网络隐藏层节点,用次梯度策略解决求解过程中代价函数无法处处可微的问题,以递归最小二乘的训练方法完成在线学习,根据估计误差自适应寻找最优正则化参数.仿真结果表明,基于SRLS-ELM的算法能有效简化网络结构,且与ELM、堆叠核ELM批量、在线序列ELM半在线以及精确在线支持向量机回归模型相比,对短期电力负荷在线预测时具有更高的预测精度和学习效率,且鲁棒性强. 展开更多
关键词 短期电力负荷预测 极限学习机 在线学习 正则化
在线阅读 下载PDF
基于因果正则化极限学习机的风电功率短期预测方法 被引量：11
14
作者 杨茂 张书天 王勃 《电力系统保护与控制》 EI CSCD 北大核心 2024年第11期127-136,共10页
随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal reg... 随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。 展开更多
关键词 特征选择 因果正则化 结构因果模型 平均因果效应向量 极限学习机
在线阅读 下载PDF
基于数据分解与斑马算法优化的混合核极限学习机月径流预测 被引量：9
15
作者 李菊 崔东文 《长江科学院院报》 CSCD 北大核心 2024年第6期42-50,共9页
为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(... 为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。 展开更多
关键词 月径流预测 时间序列 斑马优化算法 混合核极限学习机 小波包变换 超参数优化
在线阅读 下载PDF
基于变量筛选优化极限学习机的混凝土坝变形预测模型 被引量：9
16
作者 曹恩华 包腾飞 +2 位作者 胡绍沛 袁荣耀 鄢涛 《长江科学院院报》 CSCD 北大核心 2022年第7期59-65,共7页
传统的统计模型泛化能力较弱且容易引入高维变量,这将对基于神经网络预测模型的输出结果产生负面影响,同时增加了过拟合风险。因此,有必要建立一个具有适当维度的数据驱动模型,以实现对大坝变形的准确监控。选用极限学习机(ELM)作为基... 传统的统计模型泛化能力较弱且容易引入高维变量,这将对基于神经网络预测模型的输出结果产生负面影响,同时增加了过拟合风险。因此,有必要建立一个具有适当维度的数据驱动模型,以实现对大坝变形的准确监控。选用极限学习机(ELM)作为基础预测模型,提出基于平均影响值MIV-ELM模型的变量筛选法,以消除初始变量集中的冗余信息,从而降低模型复杂度,提高预测精度。分析结果表明,与传统预测模型相比,HST-MIV-ELM不仅具有最高的预测精度和预测性能,同时也有较强的可拓展性,为大坝安全监控系统的构建提供了可靠的理论基础。 展开更多
关键词 混凝土坝变形预测 变量筛选 极限学习机 平均影响值 反向逐变量剔除法
在线阅读 下载PDF
基于灰狼算法和极限学习机的风速多步预测 被引量：6
17
作者 张文煜 马可可 +2 位作者 郭振海 赵晶 邱文智 《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期89-96,共8页
为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数... 为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。 展开更多
关键词 风速预测 多步预测 信号分解 特征选择 灰狼优化算法 极限学习机
在线阅读 下载PDF
基于Q学习组合模型的光伏电站发电功率预测方法研究
18
作者 唐仲杰 寇文珍 喻雪 《太阳能学报》 北大核心 2025年第9期618-625,共8页
针对单一模型在预测光伏电站发电功率易受自身固有局限影响导致的预测精度不理想以及传统组合模型权重恒定非最优而未充分挖掘其预测潜力的问题,提出基于Q学习组合模型的预测方法。首先,通过Pearson相关系数选取与发电功率有强相关性的... 针对单一模型在预测光伏电站发电功率易受自身固有局限影响导致的预测精度不理想以及传统组合模型权重恒定非最优而未充分挖掘其预测潜力的问题,提出基于Q学习组合模型的预测方法。首先,通过Pearson相关系数选取与发电功率有强相关性的气象特征和时间序列作为输入特征;其次,分别采用极限梯度提升和长短期记忆网络两个单一模型对发电功率进行预测;最后,采用Q学习算法对历史样本在线滚动优化实时更新每次初步预测的组合权重,从而实现最优时变权重组合。结果表明,相比于其他模型,所提方法能显著提升预测精度和效果,验证了该方法的有效性。 展开更多
关键词 光伏发电 预测 强化学习 极限梯度提升 长短期记忆网络 组合模型
在线阅读 下载PDF
基于3种机器学习算法构建宫颈癌术后尿潴留风险预测模型 被引量：10
19
作者 陆宇 江会 《护理研究》 北大核心 2024年第1期24-30,共7页
目的:运用决策树、逻辑回归和支持向量机构建宫颈癌根治性切除术后尿潴留风险预测模型并比较性能,为评估及预防宫颈癌术后尿潴留提供参考依据。方法:回顾性收集459例宫颈癌根治性切除术病人的临床资料,采用决策树、支持向量机和逻辑回归... 目的:运用决策树、逻辑回归和支持向量机构建宫颈癌根治性切除术后尿潴留风险预测模型并比较性能,为评估及预防宫颈癌术后尿潴留提供参考依据。方法:回顾性收集459例宫颈癌根治性切除术病人的临床资料,采用决策树、支持向量机和逻辑回归3种机器学习方法构建宫颈癌根治性切除术后尿潴留风险预测模型,采用准确性、召回率、精确率、F1指数和受试者工作特征(ROC)曲线下面积(AUC)评价模型性能。结果:共纳入病人的年龄、疾病分期、体质指数等8个变量。选择80%的数据集(367例)作为训练集,20%的数据集(92例)作为验证集,结果显示,决策树在训练集和验证集中准确率、召回率、精确率、F1指数和AUC都比支持向量机和逻辑回归更优,说明决策树在构建宫颈癌术后尿潴留风险预测模型中具有较高的准确率及较好的泛化性能;支持向量机在训练集中准确率、召回率、精确率、F1指数和AUC都比逻辑回归更优。同时,在验证集中,支持向量机的召回率和F1指数比逻辑回归更优,但是支持向量机的准确率、精确率和AUC却比逻辑回归差,说明支持向量机在宫颈癌术后尿潴留数据集中的泛化能力比逻辑回归差。结论:决策树在构建宫颈癌根治性切除术后尿潴留风险预测模型中具有较高的性能及较好的泛化能力,可为相关临床决策提供指导建议。 展开更多
关键词 宫颈癌 尿潴留 危险因素 机器学习 预测模型 决策树 支持向量机 逻辑回归
在线阅读 下载PDF
基于机器学习的航材备件需求预测研究
20
作者 王蕊 王智恺 +2 位作者 钟一鸣 孙辉 杨凯欣 《计算机科学》 北大核心 2025年第S2期610-618,共9页
为科学而精准地预测航空公司航材库存备件需求,制定合理的航材计划,从航材价格、重要度、维修间隔时间、装机数量等影响因素的角度出发,提出一种基于机器学习的航材备件需求预测方法。首先通过主成分分析(PCA)与K-means聚类将不同需求... 为科学而精准地预测航空公司航材库存备件需求,制定合理的航材计划,从航材价格、重要度、维修间隔时间、装机数量等影响因素的角度出发,提出一种基于机器学习的航材备件需求预测方法。首先通过主成分分析(PCA)与K-means聚类将不同需求规律的备件降维可视化展示并分类,然后建立混合核极限学习机(HKELM)与随机森林(RF)的模型对分类后的数据进行多元回归预测,其中针对预测过程中参数选取困难的问题,采用麻雀搜索算法(SSA)迭代寻优两种模型的最优参数。最后,结合某航空公司机队运行数据进行实例分析,与反向传播(BP)神经网络、支持向量机(SVM)、最小二乘支持向量机(LSSVM)等预测方法进行比较,结果表明所提出的预测方法效果较好,其对航空公司航材计划工作具有一定的指导意义。 展开更多
关键词 航材需求预测 降维聚类 混合核极限学习机 随机森林 麻雀搜索算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 37 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部