中教数据库 > 四川理工学院学报(自然科学版) > 文章详情

基于粒子群优化极限学习机数据预测模型研究

更新时间:2019-11-13

【摘要】极限学习机(ExtremeLearningMachine,ELM)是一种新型的前馈神经网络,该网络由广义逆 直接求出输出层权重,使得其具有误差小、速度快的优点。但针对具体问题,ELM不能自动寻找到最佳 的网络结构,从而造成该算法模型针对复杂、无规律性的数据精度及稳定性较差。为了提高极限学习机 的泛化能力和预测精度,提出利用粒子群优化极限学习机算法对不同数据进行预测。使用粒子群算法 (particleswamioptimization,PSO)选择最优的隐含层偏差和输入权值矩阵,计算出输出权值矩阵,从而提 高ELM的精度及稳定性。并通过PSO-ELM和ELM分别对复杂程度不同的汽油辛烷值和交通流量数据 进行算法预测比较发现,PSO-ELM优化算法对无规律性、复杂程度高的数据可以获得更高的精度,提高 了数据预测的拟合能力。实验结果表明,PSO-ELM对于非线性、无规律性等复杂特性的数据预测具有一 定的可行性和有效性。

【关键词】

0 2页 免费 中教数据库
相关文献

基于小波核函数极限学习机的模型预测控制模拟 更新时间:2017-09-27

【摘要】<p>针对醋駿精馏控制中,产品质量采用常规的温度间接控制存在精度低的问题,提出了一 种基于小波核函数极限学习机的模型预测控制(KMPC)策略,在醋睃浓度软测量的基础上直接控 制产品质量。鉴于小波核函数...

《华东理工大学学报(自然科学版)》 | 2015年2期 | 徐凤

0 87 7 免费 收藏

基于粒子群优化BP神经网络的台风灾损预测模型研究 更新时间:2017-07-28

【摘要】在对浙江省台风灾情实际情况研究的基础上,选择台风路径预报平均误差、预警能力指数等16个因子 作为输人量,用粒子群算法(PSO)对BP神经网络的参数进行优化,以避免陷入局部极小和初始参数的抉择问 题...

《灾害学》 | 2013年4期 | 叶小岭

0 6 2 免费 收藏

基于布谷鸟优化算法的加权极限学习机模型 更新时间:2017-07-07

【摘要】 鉴于极限学习机的待定参数对模型极大的影响力,利用布谷鸟优化算法对核参数和惩罚因子进行优 化选择,以进一步提高模型的预测精度,然后利用非线性权值函数对极限学习机的不同样本数据进行加权, 得到新的...

《河南科技》 | 2017年5期 | 王琴

0 91 2 免费 收藏

基于EEMD与极限学习机的短期风速组合预测模型 更新时间:2018-10-20

【摘要】<p>针对风速的波动性和随机性大导致风速难以准确预测的问题,提出了基于经验模态分解方法(EEMD)和引力搜索算法(GSA)优化极限学习机(ELM)组合的短期风速预测模型.在风速预测建模过程中,为了降低...

《安徽工程大学学报》 | 2018年4期 | 孙驷洲

0 11 2 免费 收藏

基于粒子群优化算法的并网风电场穿透功率极限研究 更新时间:2018-08-31

【摘要】本文建立了基于机会约束规划思想的风电穿透功率极限求解模型,并应用粒子群算法求解该模型,以IEEE3机9 节 点测试系统为例,得出系统的网络结构是影响风电穿透功率极限的一个重要因素,不同节点接纳风电...

《科技风》 | 2018年25期 | 姜天斌

0 57 2 免费 收藏

热门文献

精选文献

推荐期刊

Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved

京ICP备15058941号-1

京公网安备 11011102000866号