一种基于鲁棒估计的极限学习机方法 被引量：20

1

作者 胡义函 张小刚 +1 位作者 陈华 李晶辉 《计算机应用研究》 CSCD 北大核心 2012年第8期2926-2930,共5页

极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE... 极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE)计算得出,然而经典的LS估计的抗差能力较差,容易夸大离群点和噪声的影响,从而造成训练出的参数模型不准确甚至得到完全错误的结果。为了解决此问题,提出一种基于M估计的采用加权最小二乘方法来取代最小二乘法计算输出权值的鲁棒极限学习机算法(RBELM),通过对多个数据集进行回归和分类分析实验,结果表明,该方法能够有效降低异常值的影响,具有良好的抗差能力。 展开更多

关键词 极限学习机 稳健估计 鲁棒极限学习机 M估计 神经网络

在线阅读 下载PDF 职称材料

考虑负荷自适应检测和修复的鲁棒极限学习机短期负荷预测方法 被引量：25

2

作者 彭显刚 郑伟钦 +1 位作者 林利祥 刘艺 《中国电机工程学报》 EI CSCD 北大核心 2016年第23期6409-6417,6606,共9页

针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负... 针对现有负荷预测方法对于温度、湿度累积效应下的短期负荷预测精度低的不足,该文提出了一种基于时变Cook距离统计量的负荷异常值检测和基于非参数概率密度估计的负荷自适应修复的鲁棒极限学习机(extreme learning machine,ELM)短期负荷预测方法。首先将历史负荷数据按季节分组,根据每个季节实时负荷和对应的气象因素,利用递归最小二乘法获取历史负荷数据的自适应遗忘因子,构建基于遗忘因子的时变Cook距离统计量,检测负荷数据中的异常值(或强影响值);采用非参数概率密度估计,构建实时负荷与气象因素的随机模型对异常负荷值(或强影响值)进行修复。考虑电力负荷数据异常值对预测精度的影响,采用了一种鲁棒ELM算法对负荷数据进行回归分析;最后,引入基因遗传算法对负荷预测模型参数进行优化,提升负荷预测算法预测准确率;通过实例仿真分析,验证了该方法提高预测精度的有效性。 展开更多

关键词 短期负荷预测 时变Cook距离 非参数概率密度函数估计 累积效应 鲁棒极限学习机算法

在线阅读 下载PDF 职称材料

基于相空间重构与鲁棒极限学习机的时延预测 被引量：5

3

作者 时维国 许超 《系统工程与电子技术》 EI CSCD 北大核心 2019年第2期416-421,共6页

针对网络控制系统(networked control system,NCS)诱导时延具有的时变、随机、非线性等特点,提出了一种相空间重构与鲁棒极限学习机(robust extreme learning machine,RELM)的时延预测算法。首先利用0-1测试对时延序列进行混沌特性检测... 针对网络控制系统(networked control system,NCS)诱导时延具有的时变、随机、非线性等特点,提出了一种相空间重构与鲁棒极限学习机(robust extreme learning machine,RELM)的时延预测算法。首先利用0-1测试对时延序列进行混沌特性检测,再通过改进关联积分法确定重构延迟参数和嵌入维数,进而对时延序列进行重构,新的样本更能真实反映时延变化特性。以重构后的时延序列为训练样本,同时,考虑异常值的稀疏特性,运用RELM进行时延序列预测。该方法具有学习速度快、泛化性能好、可有效降低异常值影响等优点。 展开更多

关键词 网络控制系统 0-1检测 相空间重构 鲁棒极限学习机 时延预测

在线阅读 下载PDF 职称材料

基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法 被引量：12

4

作者 鲁迪 王星华 贺小平 《电力系统保护与控制》 EI CSCD 北大核心 2019年第5期115-122,共8页

为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个... 为实现高精度的短期风速预测,提出一种基于混合粒子群算法和多分位鲁棒极限学习机的短期风速预测方法。在信号处理阶段,利用时变滤波经验模态分解技术将原始风速序列分解为若干子模式以降低其不稳定性。然后采用混合粒子群算法对每一个子模式进行特征提取,接着利用多分位鲁棒极限学习机分别建立预测模型并利用混合粒子群算法进行参数优化,最后对每个子模式的预测值进行聚合计算得到最终的预测结果。仿真结果表明:在考虑使用混合粒子群算法进行特征提取和模型参数优化后,所提方法具有更高的预测精度。同时基于时变滤波法的经验模态分解技术能够进一步提高预测准确性。 展开更多

关键词 短期风速预测 多分位鲁棒极限学习机 混合粒子群算法 时变滤波经验模态分解

在线阅读 下载PDF 职称材料

基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法 被引量：18

5

作者 林志坚 鲁迪 +3 位作者 林锐涛 王星华 许韩斌 彭显刚 《智慧电力》 北大核心 2019年第3期46-53,共8页

随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获... 随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获取相同用电行为的用户负荷曲线。然后采用变分位鲁棒极限学习机对不同类负荷曲线分别建立预测模型,最后叠加单个的预测值形成最终的预测结果。通过设定不同的分位值来模拟不同的预测场景,以此得到所有可能性的预测值,即实现变分位-多场景的VQR-ORELM灵活预测。为验证所提方法的有效性,采用2个实际案例进行仿真分析。结果表明,相对于支持向量机、BP神经网络、极限学习机模型、鲁棒极限学习机模型,所提模型在聚类前后预测精度始终最高,进一步验证了所提方法的优越性和灵活性。通过k-means聚类后,所有模型预测性能都有较大提高。 展开更多

关键词 K-MEANS聚类 变分位鲁棒极限学习机 短期负荷预测

在线阅读 下载PDF 职称材料

迭代修正鲁棒极限学习机 被引量：1

6

作者 吕新伟 鲁淑霞 《计算机应用》 CSCD 北大核心 2023年第5期1342-1348,共7页

极限学习机(ELM)的许多变体都致力于提高ELM对异常点的鲁棒性,而传统的鲁棒极限学习机(RELM)对异常点非常敏感,如何处理数据中的过多极端异常点变成构建RELM模型的棘手问题。对于残差较大的异常点,采用有界损失函数消除异常点对模型的污... 极限学习机(ELM)的许多变体都致力于提高ELM对异常点的鲁棒性,而传统的鲁棒极限学习机(RELM)对异常点非常敏感,如何处理数据中的过多极端异常点变成构建RELM模型的棘手问题。对于残差较大的异常点,采用有界损失函数消除异常点对模型的污染;为了解决异常点过多的问题,采用迭代修正技术修改数据以降低由异常点过多带来的影响。结合这两种方法,提出迭代修正鲁棒极限学习机(IMRELM)。IMRELM通过迭代的方式求解,在每次的迭代中,通过对样本重加权减小异常点的影响,在不断修正的过程中避免算法出现欠拟合。在具有不同异常点水平的人工数据集和真实数据集上对比了IMRELM、ELM、加权极限学习机(WELM)、迭代重加权极限学习机(IRWELM)和迭代重加权正则化极限学习机(IRRELM)。在异常点占比为80%的人工数据集上,IRRELM的均方误差(MSE)为2.45044,而IMRELM的MSE为0.00079。实验结果表明,IMRELM在具有过多极端异常点的数据上具有良好的预测精度和鲁棒性。 展开更多

关键词 鲁棒极限学习机 重加权 迭代修正 异常点 回归

在线阅读 下载PDF 职称材料

基于分位回归鲁棒极限学习机的短时负荷预测方法 被引量：3

7

作者 陈明帆 宁光涛 +2 位作者 何礼鹏 黄立毅 覃丹 《水电能源科学》 北大核心 2018年第10期206-209,共4页

针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒... 针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。 展开更多

关键词 短期负荷预测 分位回归 鲁棒极限学习机 自相关分析

在线阅读 下载PDF 职称材料

基于鲁棒极限学习机的污泥膨胀智能检测方法 被引量：1

8

作者 焦广利 张璐 钟麦英 《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第3期111-120,共10页

污水处理运行数据中常含有离群点,严重影响污泥膨胀检测效果。针对该问题提出一种基于鲁棒极限学习机的智能检测方法。首先,考虑到极限学习机的输出权值由最小二乘估计获得,易受离群点的影响导致模型鲁棒性较差,通过引入M-估计技术构建... 污水处理运行数据中常含有离群点,严重影响污泥膨胀检测效果。针对该问题提出一种基于鲁棒极限学习机的智能检测方法。首先,考虑到极限学习机的输出权值由最小二乘估计获得,易受离群点的影响导致模型鲁棒性较差,通过引入M-估计技术构建基于鲁棒极限学习机(RELM)的离群点检测模型,实现离群点的检测和修正。其次,建立基于鲁棒极限学习机的污泥膨胀检测模型,根据污泥膨胀检测模型误差及阈值逻辑完成污泥膨胀的检测。最后,利用污水处理厂采集的运行数据对提出的智能检测方法进行验证。实验结果表明,本研究方法不仅可以实现离群点的有效修正,而且可以完成污泥膨胀的准确检测。 展开更多

关键词 污泥膨胀 鲁棒极限学习机 检测模型 智能检测

在线阅读 下载PDF 职称材料

基于低秩约束的极限学习机高效人脸识别算法

9

作者 卢涛 管英杰 +1 位作者 潘兰兰 张彦铎 《计算机科学》 CSCD 北大核心 2018年第3期294-299,共6页

复杂应用场景中,光照变化、遮挡和噪声等干扰使得将像素特征作为相似性度量的识别算法的图像类内差大于类间差,降低了人脸识别性能。针对这一问题,提出了一种低秩约束的极限学习机鲁棒性人脸识别算法,提升了复杂场景下的识别性能。首先... 复杂应用场景中,光照变化、遮挡和噪声等干扰使得将像素特征作为相似性度量的识别算法的图像类内差大于类间差,降低了人脸识别性能。针对这一问题,提出了一种低秩约束的极限学习机鲁棒性人脸识别算法,提升了复杂场景下的识别性能。首先,利用人脸图像分布的子空间线性假设,将待识别图像聚类到相对应的样本子空间;其次,将像素域分解为低秩特征子空间和稀疏误差子空间,依据图像子空间的低秩性对噪声鲁棒的原理,提取人脸图像的低秩结构特征训练极限学习机的前向网络;最后,实现对噪声干扰鲁棒的极限学习机人脸识别算法。实验结果表明,相比前沿的人脸识别算法,所提方法不仅识别精度高、算法时间复杂度低,且具有较好的实用性。 展开更多

关键词 人脸识别 噪声鲁棒特性 低秩矩阵恢复 极限学习机

在线阅读 下载PDF 职称材料

一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法 被引量：11

10

作者 陈华 章兢 +1 位作者 张小刚 胡义函 《自动化学报》 EI CSCD 北大核心 2012年第5期841-849,共9页

在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合... 在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合,用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计.基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明,在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度,且检测系统不易受现场干扰,稳定性强。 展开更多

关键词 煤粉燃烧 火焰图像 鲁棒极限学习机 烧结温度 Parzen窗估计

在线阅读 下载PDF 职称材料

加权多分位鲁棒ELM的短期负荷预测方法 被引量：4

11

作者 鲁迪 王星华 +2 位作者 刘升伟 陈豪君 贺小平 《电力系统及其自动化学报》 CSCD 北大核心 2020年第3期33-38,共6页

为获取足够精确的短期负荷预测值作为电力系统规划和运行的依据,提出一种加权多分位鲁棒极限学习机ELM(extreme learning machine)的短期负荷预测方法。首先融合分位回归与鲁棒ELM形成多分位鲁棒ELM基本预测模型,然后通过选取不同的分... 为获取足够精确的短期负荷预测值作为电力系统规划和运行的依据,提出一种加权多分位鲁棒极限学习机ELM(extreme learning machine)的短期负荷预测方法。首先融合分位回归与鲁棒ELM形成多分位鲁棒ELM基本预测模型,然后通过选取不同的分位值来模拟所有的可能性预测场景,以此得到不同分位场景下的预测值。最后按照“误差大、权值小;误差小、权值大”的误差反馈加权原则对上述不同分位下的预测值进行加权求和,以此得到最终的预测结果。实例证明该混合模型预测方法适用性强,且能取得较高的预测精度。 展开更多

关键词 短期负荷预测 加权多分位鲁棒极限学习机 误差反馈加权

在线阅读 下载PDF 职称材料

基于VMD-ORELM-EC的超短期风速组合预测模型 被引量：1

12

作者 谢东良 郅伦海 +1 位作者 周康 胡峰 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第5期703-711,共9页

为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-... 为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-ORELM-EC。首先利用VMD将原始风速序列分解,并对每个分解子序列分别建立ORELM模型,将各子模型预测结果相加得到模型初步预测序列;然后将原始风速序列与初步预测序列相减得到模型的误差序列,并对误差序列进行VMD分解,对分解得到的误差子序列建立ORELM模型,从而得到误差预测序列;最后将模型的初步预测序列与误差预测序列组合得到最终的风速预测序列。利用该文提出的预测模型对北京测风塔实测的风速数据进行分析,结果表明模型可以有效挖掘风速序列特性,在超短期风速预测上具有较高的预测性能。 展开更多

关键词 超短期风速预测 变分模态分解(VMD) 离群鲁棒极限学习机(orelm) 误差修正(EC)

在线阅读 下载PDF 职称材料

基于RLMD-SE-CNN-RELM的水位预测混合模型研究

13

作者 张奇伟 刘月馨 +3 位作者 许雯 徐军杨 陈佳雷 张楚 《人民长江》 北大核心 2025年第3期116-125,133,共11页

精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史... 精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史水位数据进行分解,引入样本熵方法对分量数据进行特征重组以减少数据量;然后利用CNN对重组数据进行特征提取以提高训练速度;最后利用RELM预测每个子序列,将预测结果叠加得到水位序列的最终预测值。以岷江流域下游高场水文站点1997~2020年的日水位数据为研究对象,对模型预测性能进行验证。结果表明:在未来1 d水位预测方面,所构建的混合模型与RELM、CNN-RELM、RLMD-CNN-RELM模型相比,准确度分别提升5.93%,5.91%,0.52%;3种不同预见期(1,2,3 d)下,混合模型预测结果的NSE分别为0.934657,0.932588,0.922955,预报精度均达到甲级。建立的RLMD-SE-CNN-RELM模型预测精度高,稳定性强,可为水位预测和水资源的精准调度提供参考。 展开更多

关键词 水位预测 鲁棒局部均值分解 样本熵 卷积神经网络 正则化极限学习机 岷江流域

在线阅读 下载PDF 职称材料

基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测 被引量：32

14

作者 彭显刚 潘可达 +2 位作者 张丹 刘艺 林志坚 《电网技术》 EI CSCD 北大核心 2020年第2期603-613,共11页

针对季节性电力负荷划分不准确及温度、湿度对电力负荷的动态性影响,提出一种基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测模型。采用聚类与CART树相结合的方法,根据地区历史负荷数据自适应的确定当地季节性负荷划分规则... 针对季节性电力负荷划分不准确及温度、湿度对电力负荷的动态性影响,提出一种基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测模型。采用聚类与CART树相结合的方法,根据地区历史负荷数据自适应的确定当地季节性负荷划分规则;使用非参数核密度估计方法提取季节典型日负荷曲线,并基于划分结果对各季负荷曲线进行重要点分割;同时根据分割结果,采用基于皮尔逊相关系数加权的相似系数,对各时段负荷进行参考日的筛选,以确定预测模型的输入量,最后提出一种结合纵横交叉算法参数优化的鲁棒极限学习机进行多分段预测模型的建立。通过实例仿真分析,验证了所提方法提高预测精度的有效性。 展开更多

关键词 聚类分析 CART决策树 重要点分割 改进鲁棒极限学习机 短期负荷预测

在线阅读 下载PDF 职称材料

基于BSA-RELM的纯电动汽车锂离子电池SOC估计 被引量：19

15

作者 吴忠强 尚梦瑶 +2 位作者 申丹丹 戚松岐 朱向东 《计量学报》 CSCD 北大核心 2019年第4期693-699,共7页

提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数... 提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数和调节因子等参数难以确定的问题,可进一步提高网络的收敛速度,且利于寻找全局最优值。利用ADVISOR软件采集影响电池荷电状态的主要参数:电流、电压、温度和内阻等进行建模和测试。仿真结果表明,采用鸟群算法优化鲁棒极限学习机比BPNN、RBFNN和FNN的估计误差更小,具有更高的预测精度。 展开更多

关键词 计量学 荷电状态 锂离子电池 纯电动汽车 鸟群算法 鲁棒极限学习机

在线阅读 下载PDF 职称材料