基于核映射极限学习机的入口氮氧化物预测

• 作者: 张少康 金秀章
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 极限学习机 核函数 遗忘因子 正则化 时间序列 入口氮氧化物
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 短文
• 页码范围: 213-218
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.0543

摘要

针对在线贯序极限学习机(OS-ELM)算法隐含层输出不稳定、易产生奇异矩阵和在线贯序更新时没有考虑训练样本时效性的间题,提出一种基于核函数映射的正则化自适应遗忘因子(FFOS-RKELM)算法.该算法利用核函数代替隐含层,能够产生稳定的输出结果.在初始阶段加入正则化方法,通过构造非奇异矩阵提高模型的泛化能力;在贯序更新阶段,通过新到的数据自动更新遗忘因子.将FFOS-RKELM算法应用到混沌时间序列预测和入口氮氧化物时间序列预测中,相比于OS-ELM、FFOS-RELM、OS-RKELM算法,可有效地提高预测精度和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金秀章	华北电力大学控制与计算机工程学院	52	391	9.0	17.0
2	张少康	华北电力大学控制与计算机工程学院	6	22	4.0	4.0