基于正则化与遗忘因子的极限学习机及其在故障预测中的应用

为了解决在线贯序极限学习机(OS-ELM)算法容易产生奇异矩阵、算法贯序更新过程中没有考虑训练样本时效性的问题,提出基于l2-正则化和自适应遗忘因子的OS-ELM(RFOS-ELM)算法。RFOS-ELM在初始阶段加入正则化机制,克服因矩阵奇异而降低OS-ELM泛化能力的缺点。在贯序更新阶段,RFOS-ELM通过引入自适应遗忘因子实时调整新旧训练样本所占比重,推导正则化条件下带遗忘因子RFOS-ELM的递推更新算法,提高其对动态变化系统的跟踪能力。某型无人机机载发射机故障预测实例表明,相比于传统OS-ELM和正则化OS-ELM算法,本文提出方法具有更高的预测精度。     

基于小波包能量谱和ELM的光伏逆变器多故障在线诊断

以三电平光伏逆变器为研究对象,提出一种多故障模式快速诊断新方法。首先,利用小波包分解提取出三电平逆变器的桥臂电压和上、下管电压信号的能量谱特征向量,并利用主成分分析降维后获取故障特征向量;然后,基于极端学习机诊断模型分离出单器件及多器件开路等多种故障模式。实验结果表明,相比于传统BP神经网络、最小二乘支持向量机故障诊断方法,该方法检测信号易获取,抗干扰性强,诊断速度快、精度高,减小了诊断成本和复杂性,适用于在线诊断。     

基于极限学习机的爆破参数综合优选

为了合理选择川口钨矿变更采矿方法后采场的回采爆破参数,运用传统经验公式计算出爆破参数取值范围,根据极限学习机(ELM)理论,以矿岩容重、弹性模量、抗压强度等6个因素作为输入因子,以排距、孔底距、炸药单耗3个指标作为输出因子,并利用国内应用较成功的上向扇形中深孔崩矿的7个矿山情况为学习、训练样本,建立矿山回采爆破参数优化预测模型。综合经验公式和预测模型的结果,确定采区爆破参数:炮孔排距为1.3 m,孔底距为1.8 m,炸药单耗为0.5 kg/t。优选爆破参数适应本采区工程条件,爆破效果好,震动影响小。     

极端天气下电网塔架的安全与防护

针对西北地区电网的安全稳定运行易受极端气候影响的情况,分析了冰雪天气、大风(沙尘)天气对电力设备的危害,通过试验结果分析了倾覆塔架样品的厚度、成分、机械性能,总结了塔架失效的原因,提出了应对极端天气、增强电网防御能力的措施和方法。     

SOM特征提取与ELM在电力负荷预测中的应用

随着电力负荷内涵复杂度和非线性增加,单纯追求电力负荷预测精度将变得困难。研究根据负荷样本分析其趋势、抽取特征来解决预测精度问题,即提出一种基于自组织特征映射网络(SOM)进行特征提取并与极限学习机(ELM)相结合的短期电力负荷预测方法。通过SOM特征提取找出与预测日同类型的历史数据作为训练样本;然后采用ELM进行预测,该方法预测过程简捷,能得到唯一的最优解。实验以某市的电力负荷数据进行仿真和比较。结果表明,基于SOM特征提取的ELM方法不仅精简了训练样本数量,且使训练更具有针对性,提高了预测精度和泛化性能,具有一定的理论意义和较好的应用前景。     

基于核函数极限学习机的微电网短期负荷预测方法

针对以单个或集体用户为业主的用户侧小容量微电网,考虑到成本约束及用电特征的不确定性,提出了一种基于核函数极限学习机的微电网短期负荷预测方法。使用核函数极限学习机、启发式遗传算法和分时训练样本,建立了包含离线参数寻优与在线负荷预测的预测模型;通过模型参数的周期更新来保证算法最优参数的时效性,同时降低在线预测系统的计算复杂度与历史数据存储量。通过对不同容量、类型的用户侧微电网进行短期负荷预测,分析了预测结果的准确度、参数周期更新的效果、预测结果对经济运行的影响和预测方法的计算效率。     

基于四种概率分布模型的广东省极端气温与降水事件概率特征分析

利用广东省25个气象站点1951~2010年气温与降水数据,选取出每年的最高、最低气温和最大日降水量,将三者定义为极端高温、低温和降水事件。采用GEV、Gamma、GL和GP等四种理论分布模型及其对数分布,分别对极端高温、低温和降水事件进行极值拟合,以探究它们的最优分布。结果表明,广东省极端气温与降水事件各个站点拟合的最优分布并不唯一。GEV、Gamma和GL三种分布模型均能较好地对它们拟合,而GP分布及其对数分布的拟合效果并不理想,不适合用于年极值的拟合。除GP分布模型外,其它三种模型的对数分布对极端高温和降水事件的拟合效果均优于原分布。在参数估计方法上,数值积分双权函数法为极端高温和降水事件概率分布拟合的最优估参方法,而极端低温事件概率分布拟合的最优估参方法则为常规矩修正法。     

“和谐”,三大效益的“核心”

<正>厄瓜多尔是南美洲第五大石油生产国,油气资源丰富,增产潜力很大,但经营风险也很高。受拉美国有化浪潮和极端民主化思潮影响,为了各种利益诉求,对外资企业政策越来越苛刻,社区闹事,冲击油区、占领设施、盗抢物资、绑架人质甚至暴力袭击事件时有发生,而且得到当地一些组织的鼓励和支持。这给企业管理带来前所未有的严峻挑战,能否成功应对这些考验成为直接关系企业生存发展的头等大事。在国际能源合作和竞争中,资金、技术、人才是硬实     

基于MG-LTP与ELM的微表情识别

特征提取和表情分类是表情识别的关键技术。针对传统方法识别率低的缺点,首先,提出了一种基于平均灰度的局部三值模式(MG-LTP)新算法,用于提取表情特征;其次,使用极限学习机(ELM)作为分类器,用于特征分类;最后,将二者结合用于表情识别,并进一步应用于人脸微表情识别中。在JAFFE数据库及CASME人脸微表情数据库进行试验,与传统方法对比,取得了较好的效果。     

基于关节信息和极限学习机的人体动作识别

基于关节信息的人体动作识别在人机交互、互动娱乐、多媒体信息检索等方面应用广泛。为了提高动作识别率,使用两种具有固定长度的分层描述符分别关注运动的动态和静态信息,对运动序列提取特征,将这两种描述符线性组合,形成同时包含动态和静态信息的新描述符,并使用极限学习机(ELM)进行分类。该方法在微软Kinect传感器采集到的MSRAction3D数据库和运动采集数据集HDM05上进行了仿真实验。实验结果证明组合后的描述符结合ELM在这两个数据集上的识别率较现有方法有明显提高。