基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
介绍极限学习机(ELM)的原理,将差分进化算法(DE)引入极限学习机,通过Matlab建立基于差分进化极限学习机预测模型.实例证明DE-ELM算法能实现快速确定最优的输入层到隐含层的连接权值和阈值,提高神经网络的整体稳定性和预测精度.
推荐文章
基于改进差分进化算法优化极限学习机的短期负荷预测
短期负荷预测
极限学习机
改进差分进化算法
优化
预测精度
基于极限学习机的燃气日负荷预测
极限学习机
短期负荷预测
支持向量机
隐含层节点
日负荷
基于在线序列-极限学习机的干旱预测
极限学习机
在线序列
干旱
预测因子
基于改进极限学习机的微信热点预测
微信热点
预测模型
极限学习机
验证性测试
权值更新
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 差分进化极限学习机城市燃气负荷预测
来源期刊 煤气与热力 学科 工学
关键词 燃气负荷 差分进化 极限学习机 人工神经网络 隐含层节点
年,卷(期) 2016,(3) 所属期刊栏目 燃气输配与储运
研究方向 页码范围 50-54
页数 5页 分类号 TP183
字数 3153字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姚安林 西南石油大学石油工程学院 196 2690 27.0 41.0
2 刘源海 西南石油大学石油工程学院 6 27 3.0 5.0
3 翁祥 2 0 0.0 0.0
4 何方舟 西南石油大学石油工程学院 2 1 1.0 1.0
5 宋承恩 西南石油大学石油工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (79)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(9)
  • 参考文献(2)
  • 二级参考文献(7)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
燃气负荷
差分进化
极限学习机
人工神经网络
隐含层节点
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
煤气与热力
月刊
1000-4416
12-1101/TU
大16开
天津市和平区新兴路52号都市花园大厦21层
6-36
1978
chi
出版文献量(篇)
5813
总下载数(次)
21
总被引数(次)
33292
论文1v1指导