作者:孙珽; 徐东星; 尹勇; 张秀凤; 苌占星; 叶进 期刊:《船舶工程》 2019年第11期
为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学...
作者:赵京霞; 钱育蓉; 南方哲; 张晗; 行艳妮 期刊:《计算机工程与应用》 2020年第04期
针对传统计算机辅助诊断方法准确率低、耗时长的问题,提出卷积神经网络(Convolutional Neural Networks,CNN)多层特征融合与极限学习机(Extreme Learning Machine,ELM)的乳腺疾病诊断方法。利用CNN从乳腺X光图像中提取多层特征;提出多尺度池化操作将各层提取的特征进行融合;使用极限学习机分类器进行乳腺疾病的快速诊断。实验结果表明,该乳腺疾病检测方法平均准确率高达97.13%,诊断时间是6.43 ms。该方法能有效地提高乳腺疾病诊断...
作者:陈剑挺; 吴志国; 叶贞成; 朱远明; 程辉 期刊:《计算机工程与设计》 2020年第01期
为降低特征噪声对分类性能的影响,提出一种基于极限学习机(extreme learning machine,ELM)的收缩极限学习机鲁棒算法模型(CELM)。采用自编码器对输入数据进行重构,将隐层输出值关于输入的雅克比矩阵的F范数引入到目标函数中,提取出更具鲁棒性的抽象特征表示,利用提取到的新特征对常规的ELM层进行训练,提高方法的鲁棒性。对Mnist、UCI数据集、TE过程数据集以及添加不同强度的混合高斯噪声之后的Mnist数据集进行仿真,实验结果表明,提...
作者:李雪艳; 廖一鹏 期刊:《信息技术与网络安全》 2020年第03期
主要研究的是神经网络的一种新型训练方式——极限学习机算法的优化和改进。首先通过与传统的神经网络算法的对比,介绍极限学习机算法的主要思想和流程,展现其特点及优势;其次,由于常规极限学习机在预测的精度上及运用的稳定上存在不小的缺陷,通过阐述几个智能寻优算法及优缺点比较,引出该文的重点量子遗传算法,并利用此算法去优化极限学习机的连接权值和阈值,选取最优的权值和阈值赋予测试网络,达到良好的使用效果;最后,介绍了改...
作者:朱旭亮; 刘创华; 何金; 宋晓博; 陈荣; 邢向上 期刊:《电力大数据》 2018年第11期
局部放电检测是目前电力设备状态评价的主要手段,得到广泛应用推广。由于缺陷图谱的复杂性及现场干扰的多样性,传统的局部放电模式识别方法正确率低,且训练时间长。针对上述问题,文章提出了一种基于图像处理技术及数据深度稀疏降噪的电力设备局部放电图谱智能识别方法。首先,运用图像处理技术对检测得到的图谱进行预处理;然后利用深度稀疏降噪自编码器进行数据稀疏降噪;最后对得到的有效去噪的数学模型,利用极限学习机(ELM,Extrem...
作者:时彤; 杨朔 期刊:《分布式能源》 2018年第03期
对风电功率进行短期预测是降低风电不确定性对电力系统稳定运行影响最主要的手段之一。针对短期风电的功率预测,提出了一种基于集合经验模态分解算法(ensemble empirical mode decomposition,EEMD)、生物地理学优化算法(biogeography-based optimization,BBO)和极限学习机(extreme learning machine,ELM)算法的风电功率短期的预测方法(EEMD-BBO-ELM)。首先,利用EEMD算法对原始风电功率序列进行分解;然后,利用BBO算法优化后...
作者:孙洁; 崔婷婷; 徐彬; 王兴楠 期刊:《华北理工大学学报·自然科学版》 2020年第01期
针对极限学习机(Extreme learning machine,ELM)在进行铁水硅含量预测时随机生成输入层权值和隐含层阈值,导致模型存在预测精度下降以及过拟合等问题。因此,利用免疫遗传算法(Immune genetic algorithm,IGA)的全局寻优能力优化ELM的输入层权值和隐含层阈值,建立IGA-ELM预测模型。通过MATLAB仿真结果对比分析IGA-ELM预测模型和单一的ELM预测模型,验证了IGA-ELM预测模型能够更稳定、更快速以及更准确地对铁水硅含量进行预测。
作者:钱国超; 彭庆军; 程志万; 古洪瑞; 于虹 期刊:《电力工程技术》 2020年第01期
机械振动信号能反映有载分接开关的运行状态。为提高有载分接开关机械故障的诊断准确率,提出了一种基于参数自适应变分模态分解(VMD)和模拟退火优化极限学习机(SA-ELM)的故障诊断方法。首先对振动信号进行VMD分解,根据能量准则自适应确定模态数的取值,得到一组窄带、区分度较好的模态分量。然后求取各模态的能量值,形成特征向量组,不同故障状态的模态特征区分明显。最后将特征向量组输入SA-ELM,实现振动信号的识别和诊断。在模拟试...
作者:王祥民; 董学平; 于广宇 期刊:《测控技术》 2019年第12期
在水泥生产过程中,为了应对分解炉结构的复杂性和影响出口温度变量的多样性,提出一种动态主元分析(Dynamic Principal Component Analysis,DPCA)与极限学习机(Extreme Learning Machine,ELM)相结合的数据驱动建模预测方法用来预测分解炉出口温度。通过采集的生产数据,提取影响出口温度变量的主元从而达到降维目的,将降维后的变量作为极限学习机的输入,分解炉出口温度作为极限学习机的输出。经极限学习机参数设置、训练、调整,得到...
作者:韩永亮; 李胜; 胡海永; 罗明坤 期刊:《地下空间与工程学报》 2019年第06期
为准确、快速地预测煤与瓦斯突出,提出了一种基于因子分析和遗传算法(GA)优化极限学习机(ELM)的煤与瓦斯突出危险性预测模型。构建10种影响因素的煤与瓦斯突出评价指标体系,采用因子分析法对评价指标体系进行分析提取,将提取出的5个公因子作为ELM的输入参数,为避免ELM输入权值和隐含层偏差随机性的影响,应用GA对ELM模型参数进行优化,构建GA-ELM模型,选取20组实例进行仿真预测,同时与传统单一的ELM、SVM和BP模型进行对比分析。结果...
作者:杨云莹; 王军; 彭宏; 侯萱; 李佳龙 期刊:《水电能源科学》 2019年第12期
针对历史数据样本存在无效性影响预测精度和极限学习机的输出随机性、稳定性较差的问题,提出了一种模糊膜聚类算法与改进极限学习机相结合的组合预测方法。考虑负荷自身特征、天气温度及日类型等指标,利用模糊膜聚类算法选取出与预测日具有相似特性指标的负荷数据作为负荷预测日的输入样本,运用经过粒子群算法及隐含层神经元个数遍历法改进后的极限学习机进行预测。试验结果表明,所提方法对两个地区的某日负荷进行预测时降低了预测...
作者:赵颖; 孙挺; 杨进; 李炎军; 黄熠; 闫宇龙 期刊:《中国海上油气》 2019年第06期
海上钻井作业环境恶劣,作业风险和费用高,如何提高钻井效率、降低钻井成本一直是倍受关注的问题。基于极限学习机,建立了海上钻井机械钻速预测模型,并以南海YL8-3-1井为例进行了验证与钻井参数实时优化。结果表明,基于极限学习机的海上钻井机械钻速预测模型预测结果与实测结果较为吻合,可以对机械钻速进行实时监测并通过优化钻井参数实现钻井事故预警及有效预防,进而提高钻井效率。本文研究可对海上安全高效钻井作业及油田数字化、...
作者:励文艳; 程珩; 赵立红; 韩露 期刊:《液压与气动》 2019年第12期
针对轴向柱塞泵结构复杂、故障信号微弱且易受噪声干扰难以进行故障模式识别的问题,提出一种基于局部s变换和极限学习机的柱塞泵故障诊断方法,对不同程度滑靴磨损故障进行诊断。采集柱塞泵在正常和不同故障状态下的振动信号进行局部s变换,对不同的特征向量组进行定性和定量比较,选择提取s矩阵最大奇异值、转轴振动基频能量占比和柱塞振动基频能量占比共三维特征向量,将特征向量输入极限学习机完成故障模式的识别,识别精度可达99%以...
作者:窦晓波; 蔡超; 段向梅; 韩俊; 刘之涵; 陈曦 期刊:《电力自动化设备》 2019年第12期
当前配电网存在信息采集不全、在线获取电网精确模型困难的问题,导致对分布式光伏的调控存在误差,难以满足配电网安全运行的要求,因此提出了一种计及模型误差的分布式光伏配电网调控方法。基于近似灵敏度建立了光伏调控量粗略计算模型;采用极限学习机(ELM)方法建立人工智能辅助决策模型,作为光伏调控量粗略计算模型的修正;进一步地,基于上述2个模型,设计了计及模型误差的分布式光伏优化调控策略;最后进行仿真分析,结果表明提出的调...
作者:袁小凯; 李果; 蒋屹新; 张福铮 期刊:《机械与电子》 2019年第12期
针对ELM模型的预测精度受初始的输入权重Wi和隐含层偏置矩阵bi的选择影响,运用和声搜索算法(HS)优化选择初始的输入权重Wi和隐含层偏置矩阵bi,提出一种基于HS-ELM的油浸式变压器故障诊断方法。将5种气体体积分数数据(H2,C2H2,CH4,C2H6和C2H4)当作HS-ELM变压器故障诊断模型的输入特征参数数据,不同故障类别标签作为HS-ELM的输出,建立HS-ELM油浸式变压器故障诊断模型。研究结果表明,在各个故障类别的诊断正确率和总体正确率上,HS-ELM...
作者:张宁; 李青; 李闯将; 何永波 期刊:《科学技术与工程》 2019年第33期
滑坡的监测和预测是降低滑坡灾害的有效手段和可行方法。传统监测手段时效性差,采用统计预报模型、确定性模型等模型建立的预测模型精度相对较低。为了改善此问题,提出了一种基于综合测量、以极限学习机与熵值法结合的滑坡预警研究方法。通过分析滑坡的影响因子,搭建滑坡模拟监测平台,由多传感器实时监测到雨量、土壤浅层含水率、土壤深层含水率、下滑应力、地下位移、地表位移等影响滑坡的综合因子。将熵值法用在滑坡的评价中,将...
作者:刘诗韵; 殷豪; 吴非; 许锐埼; 邵慧栋; 李皓 期刊:《宁夏电力》 2019年第05期
钢铁用户的增多会使地区含有大量的冲击负荷,传统的预测方法难以捕捉该地区的负荷变化规律,预测精度不足。为提高含大量负荷地区的负荷预测的精度和泛化性,提出一种基于可变模式分解与奇异谱分析相结合的二层分解技术(VMD-SSA)和改进鲸鱼算法(IWOA)优化极限学习机(ELM)的短期负荷预测模型。通过实例证明,相比于其它模型,所提混合模型能充分掌握负荷的变化规律,有效提高了含大量负荷地区的负荷预测的精度和泛化能力。
作者:陈紫薇; 张渝; 邱春蓉 期刊:《铁路计算机应用》 2019年第12期
动车轮对安全尺寸预测为动车安全性评估提供了依据。由于轮对尺寸变化受到运行环境等因素影响的复杂性,提出了一种适用于动车轮对尺寸数据的粒子群优化多核极限学习机(PSO–MK–ELM)预测模型。将多项式核函数和径向基核函数加权构成的多核函数(MK)引入极限学习机中,并采用粒子群优化算法对模型的4个关键参数进行寻优。针对CRH2车型的动车车轮直径数据,通过对比不同算法的预测结果,验证该方法的合理性和准确性。预测结果表明,在动车...
为了提高网络流量预测准确性,结合网络流量的变化特点,针对当前网络流量预测模型存在的局限性,设计了基于小波变换和极限学习机的网络流量预测模型。首先分析了当前国内外网络流量预测研究现状,找到引起网络流量预测准确性差的原因;然后采用小波变换对原始网络流量时间序列进行去噪,得到无噪声的网络流量时间序列;最后采用极限学习机对网络流量时间序列进行建模,得到相应的预测结果。与当前经典的网络流量预测模型在相同环境下进行...
作者:吴莉莉; 邢玉清; 林爱英; 郑宝周; 潘建斌; 闫凤鸣 期刊:《传感技术学报》 2019年第10期
刺吸电位(Electrical Penetration Graph,EPG)仪是研究蚜虫取食行为、传毒机制等的有力工具,然而EPG波形的分类识别一直是靠人工进行,迫切需要波形自动识别来提高分析效率。采用了小波变换、希尔伯特-黄变换和极限学习机等算法对蚜虫EPG信号中7种波形的特征提取和分类识别进行了研究。实验中对不同特征向量的决策树分类性能进行了对比,发现分形盒维数、Hurst指数、HHT前2层谱质心、第2~3层低频小波能量组成的6维特征向量识别效果最...