基于改进极限学习机的泥石流发生预测

为提高泥石流预测预报的准确性,提出一种基于DBSCAN聚类的改进极限学习机(ELM)算法。首先,利用DBSCAN算法对泥石流发生训练的数据进行聚类处理;其次,将聚类得到的不同训练集分类训练ELM分类器;最后,利用ELM分类器对预测集数据进行预测。实验结果表明,利用改进ELM算法对泥石流发生预测的平均准确率达到91.6%,改进ELM算法的稳定性与传统ELM算法相比有明显提高,与传统ELM算法、BP神经网络和Fisher预测法相比,改进ELM算法的预测精度更高。     

一种灰色极限学习机预测方法

预测是一种根据已知数据在过去一定时间段内呈现出的发展的规律性对未来发展趋势进行描述的行为.近年来,预测被应用到很多领域,如电价预测、股票价格预测和气象预测等.然而传统的预测方法由于其精度不高或速度不快等问题,无法满足当今预测领域的需求.针对传统预测方法存在的问题,基于组合预测的思想,结合强化学习的累积函数的概念,提出了结合灰色预测模型和极限学习机的组合预测方法.算法在微软股票信息、Mackey-Glass时间序列数据和台湾液晶屏制造业的制造数据等实验数据集上进行了相关实验,结果表明该算法是有效的.     

基于改进极限学习机算法的股票价格在线预测

为了对股票价格进行准确、快速的在线预测,提出一种基于改进极限学习机算法（IELM）的股票价格在线预测模型。在极限学习机（ELM）中引入Cholesky分解方法,使网络权值随新样本的逐次加入递推更新,提高模型的泛化能力,加快网络学习效率,然后对交通银行股票（601328）的收盘价进行仿真实验。结果表明,相对于对比模型,IELM不仅提高了计算效率,而且提高了股票价格预测精度,可以实现股票价格快速、准确在线预测。     

基于模拟退火算法的改进极限学习机

传统的极限学习机作为一种有监督的学习模型,任意对隐藏层神经元的输入权值和偏置进行赋值,通过计算隐藏层神经元的输出权值完成学习过程.针对传统的极限学习机在数据分析预测研究中存在预测精度不足的问题,提出一种基于模拟退火算法改进的极限学习机.首先,利用传统的极限学习机对训练集进行学习,得到隐藏层神经元的输出权值,选取预测结果评价标准.然后利用模拟退火算法,将传统的极限学习机隐藏层输入权值和偏置视为初始解,预测结果评价标准视为目标函数,通过模拟退火的降温过程,找到最优解即学习过程中预测误差最小的极限学习机的隐藏层神经元输入权值和偏置,最后通过传统的极限学习机计算得到隐藏层输出权值.实验选取鸢尾花分类数据和波士顿房价预测数据进行分析.实验发现与传统的极限学习机相比,基于模拟退火改进的极限学习机在分类和回归性能上都更优.     

基于极限学习机的输电线路覆冰预测方法

针对目前输电线路覆冰厚度预测模型训练时间长,预测精度效果不佳等问题,引入学习速度快、泛化性能好、调节参数少的极限学习机,提出了基于极限学习机的覆冰预测方法,并把极限学习机同传统的几种神经网络算法进行了预测模型性能对比.实验结果表明,基于极限学习的输电线路覆冰预测方法在精度与时间花销上表现更好.     

回转窑煅烧带温度控制器的设计与仿真

针对传统的回转窑煅烧带温度PID控制系统存在温度稳定性差、无法在线调整PID参数等问题,文章提出了一种采用模糊自整定PID参数控制方式设计回转窑煅烧带温度控制器的方案,介绍了该控制器的结构、设计步骤及回转窑煅烧过程系统的建模等,并采用Matlab中的Simulink模糊工具箱对模糊自整定PID温度控制器进行了仿真。仿真结果表明,该控制方法无超调量、调节时间短,能够实现参数的在线自调整。实际应用也证明了该控制方法的优越性。     

基于极限学习机的锂电池健康状态预测

使用传统的物理化学方法来预测锂电池的健康状态效率低下且精度不高。为此,本文提出使用极限学习机来对蓄电池的健康状态进行预测。首先对提取出的特征数据集进行归一化预处理;然后,在训练集上使用网格搜索技术优化极限学习机的模型参数。在测试集上和其他方法的对比实验结果表明:基于极限学习机的锂电池健康状态预测方法性能优秀,有着实际应用的前景。     

基于极限学习机的市场需求侧短期电力负荷预测方法

为了优化市场需求侧短期电力负荷预测效果,减小负荷预测偏差,引入极限学习机,开展基于极限学习机的市场需求侧短期电力负荷预测方法研究。从缺失电力负荷数据补充、异常电力负荷数据识别与修正两个维度,对市场需求侧短期电力负荷数据进行预处理。在此基础上,建立基于极限学习机的负荷预测模型,预测市场需求侧短期电力负荷数据的动态变化。实验分析结果表明,应用文章提出的方法,短期电力负荷数据集的预测平均绝对百分比误差始终小于对照组,均未超过1%,预测精度较高。     

晶闸管模块在回转窑温度控制系统中的应用

针对回转窑的温度控制要求,采用晶闸管智能模块(三相交流调压模块)设计了回转窑的温度控制系统,并详细介绍了模块在温度控制系统应用中的设计方法、控制方法和保护方法。进行了回转窑温度升温控制实验验证,结果表明,采用晶闸管智能模块(Intelligent Thyristor Power Module)的回转窑温度控制系统具有控制无触点、加热升温速度快、控制稳定性好的优点。     

炭素煅烧回转窑自动监控系统开发与应用

介绍了炭素煅烧回转窑生产过程中计算机自动监控系统的开发.通过对生产过程关键工艺进行实时监视与优化控制,实现了煅烧过程自动化和过程优化控制,提高石油焦回收率,减轻工人劳动强度;同时,针对给料系统存在时滞性和随机干扰的特点,提出了基于CARMA模型的自校正调节器算法.     

基于改进斜分Otsu法的回转窑火焰图像分割

因受窑内高温、高粉尘等因素的影响,氧化铝回转窑火焰图像中往往存在噪声.针对现有火焰图像分割算法存在抗噪性差和计算时间长等问题,对斜分最大类间方差法(Otsu法)进行改进,提出一种基于改进斜分Otsu法的回转窑火焰图像分割算法.该算法采用简化的距离测度函数作为阈值选取标准,以减少计算量和便于多阈值扩展; 采用基于后处理原理的图像分割方式,以进一步增强算法的抗噪性; 运用分子动理论优化算法实现加快计算速度.某厂氧化铝回转窑火焰图像的分割实验表明,该算法抗噪性强,运算速度快,能较为精确地分割出火焰图像的背景区、黑把子、火焰区、辐射带、物料区等区域.     

基于改进ELM的无线传感网络水温预测方法研究

为有效地对工厂化水产养殖进行指导和管理,解决实际生产中水温数据预测精度低、稳定性差等问题,在分析水温影响因素的基础上,通过天气指数的计算对传感器采集的异常数据进行校正,进而提出一种遗传算法（GA）结合改进极限学习机（ELM）的池塘水温预测模型（GA-ELM）。在模型建立的过程中,采用Softplus对传统ELM的激活函数进行改进,在GA算法获取ELM最佳初始权值和偏置参数的基础上,对实现数据校正的池塘水温数据进行预测。将GA-ELM与BP神经网络和标准ELM网络模型进行对比,GA-ELM的预测指标MAE、MAPE和RMSE分别为0.1543、0.0054和0.1876,实验结果表明,GA-ELM模型有较好的预测性能,能高效、稳定地实现水温的预测。     

基于神经网络的水泥回转窑控制系统研究

水泥回转窑的工作过程是水泥生产中的核心部分,它的生产过程是一个具有大惯性,纯滞后,非线性和强耦合的过程,建立精确的复杂模型非常困难,针对水泥回转窑工作过程中起关键作用的物料温度、窑转矩、含量,用ART-2和BP两种神经网络进行数据融合、分类,得到能较准确反映现场的工况信息,达到对回转窑电机的控制。     

回转窖无线测温系统的设计

本文是回转窖无线测温系统的设计,热电偶测量窖内温度产生的电压信号,通过无线电传设备送至操作室,直接显示窖头、窖中和窖尾温度;同时将信号转发到中控室,并转换成4～20mA电流送其它仪表或控制系统显示,无线测温系统是回转窖无线测温的理想工具和最佳手段。     

基于阿累尼乌丝方程的锌钡白转窑控制实现

采用了基于阿累尼鸟丝方程的控制方法,成功实现对某厂锌钡白干燥煅烧转窑生产系统的控制。简述了锌钡白干燥煅烧回转窑的控制难点,然后在“等质量等能量”思想的基础上,建立基于阿累尼乌丝方程的控制式子,介绍了参数辨识过程,并进一步阐述等质量等能量控制的实现。实际的控制效果表明,该控制方法取得较满意的效果,对回转窑的控制具有很大的参考价值。     

计算机监测系统在回转窑上的应用

介绍一种回转窑机械运行状态计算机在线监测系统的设计与应用。该系统在国内首次实现了回转窑柔性转动及扭矩、支承力、流体压力、轴向位移机械运行状态监测技术，软件设计具有通用性强、移植性好、数字、报表、图形同时显示、动态存储、数据处理及事件记录等功能。     

回转窑烧成带状态混合智能识别方法

针对氧化铝回转窑过程复杂、长期依赖人工看火操作而造成的生产过程不稳定、 产品质量一致性差、能源消耗大等问题,提出了基于烧成带火焰图像特征与关键过程数据融合的烧成带状态自动识别方法, 该方法由烧成带火焰图像的分割、特征提取、 关键过程数据的融合以及二叉树支持向量机分类器模型组成.工业实验表明, 该方法能够较准确地识别烧成带状态,为基于产品质量指标优化的窑温控制器提供决策依据.