结构自适应序贯正则极端学习机时间序列预测及其应用

• 作者: 何星 姜伟 王宏力 陆敬辉
• 来源期刊: 推进技术
• 学科: 航空航天
• 关键词: 正则极端学习机 小样本 时间序列预测 动态适应性 泛化能力
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 控制 测量 故障诊断
• 页码范围: 458-464
• 页数: 7页
• 分类号: V557
• 语种: 中文
• DOI: 10.13675/j.cnki.tjjs.2015.03.020

摘要

为提高初始小样本情况下时间序列在线预测的精度，提出了一种结构自适应序贯正则极端学习机（SA-SRELM）。该方法在在线序贯学习阶段，针对不同训练样本规模选择不同的递推方式对输出权值进行更新；同时，在训练样本达到一定规模后，为提高预测模型对系统的动态适应性，在加入新样本的同时对旧样本进行剔除，完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后，将所提方法用于航空发动机排气温度预测中，结果表明该方法相对正则极端学习机（RELM）和序贯正则极端学习机（SRELM）方法具有更好的泛化性能，预测精度分别是二者的约6倍和2倍。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宏力	第二炮兵工程大学控制工程系	112	961	15.0	24.0
2	陆敬辉	第二炮兵工程大学控制工程系	34	262	8.0	14.0
3	姜伟	第二炮兵工程大学控制工程系	20	165	5.0	12.0
4	何星	第二炮兵工程大学控制工程系	12	139	4.0	11.0