基于改进极限学习机的入口氮氧化物预测

作     者：金秀章 张少康 JIN Xiu- zhang, ZHANG Shao- kang

作者机构：华北电力大学控制与计算机工程学院河北保定071003 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2018年第39卷第8期

页      码：2521-2526页

摘      要：针对在线贯序极限学习机更新时没有考虑到数据的时效性、网络结构难确定的问题,提出基于灵敏度剪枝和遗忘因子的极限学习机(SAFFOS-RELM)。将灵敏度剪枝算法和自适应遗忘因子融入OS-ELM算法中,在初始化阶段,加入灵敏度剪枝算法获得更紧凑的网络,删除冗余节点来增强网络的泛化能力;贯序更新阶段加入自适应遗忘因子,根据新到的数据信息更新输出权值,特别适合于时变系统,利用Mackey-Glass混沌时间序列和入口氮氧化物时间序列验证算法的可行性。仿真结果表明,该算法的泛化能力和计算时间优于OS-RELM、FFOS-RELM算法。

主 题 词：极限学习机 遗忘因子 灵敏度剪枝 混沌时间序列 入口氮氧化物 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2018.08.022

馆 藏 号：203312888...