适用于小子样时间序列预测的动态回归极端学习机

• 作者: 张弦 王宏力
• 来源期刊: 信息与控制
• 关键词: 极端学习机 在线训练 小子样 时间序列预测 状态监测
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 实际问题研讨
• 页码范围: 704-709
• 分类号: TP277
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2011.00704

摘要

针对设备状态在线监测中的小子样建模问题,提出一种基于动态回归极端学习机(dynamic regression extreme learning machine,DR-ELM)的设备状态在线监测方法.该方法利用设备状态数据训练基于DR-ELM的预测模型,通过逐次增加新数据与删减旧数据的方式,对DR-ELM预测模型进行在线训练,从而实现对设备状态的准确预测.混沌时间序列预测仿真与基于时间序列预测的风机状态监测实例表明,相比于极端学习机(extreme learning machine,ELM)与在线贯序极端学习机(on-line sequential extreme learning machine,OS-ELM),该方法的计算效率与预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张弦	第二炮兵工程学院自动控制工程系	22	319	12.0	17.0
2	王宏力	第二炮兵工程学院自动控制工程系	112	961	15.0	24.0