本文關(guān)鍵詞：基于極限學(xué)習(xí)機(jī)的脈動風(fēng)速快速預(yù)測方法

  更多相關(guān)文章： 極限學(xué)習(xí)機(jī) 脈動風(fēng)速 預(yù)測 最小二乘支持向量機(jī) 誤差反傳神經(jīng)網(wǎng)絡(luò)

【摘要】：提出基于極限學(xué)習(xí)機(jī)(ELM)的脈動風(fēng)速預(yù)測新模型.運用自回歸滑動平均模型生成脈動風(fēng)速數(shù)據(jù)庫,并將其分為訓(xùn)練集和測試集.采用ELM對訓(xùn)練集進(jìn)行學(xué)習(xí)訓(xùn)練,建立回歸模型,從而實現(xiàn)對測試集風(fēng)速的泛化預(yù)測.經(jīng)與基于粒子群優(yōu)化(PSO)的混合核函數(shù)最小二乘支持向量(PSO-MK-LSSVM)和誤差反傳神經(jīng)網(wǎng)絡(luò)(PSO-BP)對比,驗證了ELM模型的有效性.數(shù)值結(jié)果表明,與PSO-MK-LSSVM和PSO-BP相比,無論在預(yù)測精度還是計算速度上,ELM模型都具有顯著的優(yōu)勢.
【作者單位】： 上海大學(xué)土木工程系;湖南大學(xué)土木工程學(xué)院;
【關(guān)鍵詞】： 極限學(xué)習(xí)機(jī) 脈動風(fēng)速 預(yù)測 最小二乘支持向量機(jī) 誤差反傳神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金(51378304)資助項目
【分類號】：TU312.1;TP18
【正文快照】： 基于數(shù)據(jù)驅(qū)動的樣本學(xué)習(xí)訓(xùn)練,為脈動風(fēng)速預(yù)測提供了一種可行的途徑.目前,風(fēng)速預(yù)測主要有時間序列、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等方法[1-5].支持向量機(jī)(SVM)通過核函數(shù)定義的非線性變換將輸入空間變換到一個高維空間,在該高維空間中尋找輸入變量和輸出變量之間的一種線性關(guān)系.但

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮宏;肖正直;李正良;魏奇科;孫毅;歐陽光;;復(fù)雜山地環(huán)境下脈動風(fēng)速譜研究[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2013年01期

2 樓文娟;王嘉偉;楊倫;陳勇;;雷暴風(fēng)三維脈動風(fēng)速場數(shù)值模擬[J];浙江大學(xué)學(xué)報(工學(xué)版);2014年07期

3 李杰;閻啟;;結(jié)構(gòu)隨機(jī)動力激勵的物理模型:以脈動風(fēng)速為例[J];工程力學(xué);2009年S2期

4 黃鵬;戴銀桃;王旭;顧明;;上海沿海地區(qū)近地風(fēng)脈動風(fēng)速譜及相干性研究[J];工程力學(xué);2014年04期

5 孫毅;李正良;黃漢杰;陳朝暉;魏奇科;;山地風(fēng)場平均及脈動風(fēng)速特性試驗研究[J];空氣動力學(xué)學(xué)報;2011年05期

6 李杰;閻啟;;脈動風(fēng)速隨機(jī)Fourier波數(shù)譜研究[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2011年12期

7 李t，

本文編號：632749