期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于ICSO-SOM-ELM的电力业扩项目工期预测
1
作者 林镜星 周鑫 +2 位作者 谢志炜 许炫淙 张铮 《工业工程》 北大核心 2023年第2期59-66,共8页
针对电力业扩项目时长的不确定性,提出一种自组织映射网络聚类、改进纵横交叉算法优化极限学习机权值阈值的ICSO-SOM-ELM电力业扩项目工期预测模型。首先基于项目预算费用与节点数,采用自组织映射网络对电力业扩项目数据进行二次聚类,... 针对电力业扩项目时长的不确定性,提出一种自组织映射网络聚类、改进纵横交叉算法优化极限学习机权值阈值的ICSO-SOM-ELM电力业扩项目工期预测模型。首先基于项目预算费用与节点数,采用自组织映射网络对电力业扩项目数据进行二次聚类,初步降低原始数据集的混乱性。其次,提出基于邻域种群交叉变异机制的改进纵横交叉算法,并将其用于优化极限学习机模型的权值阈值,得到最优ELM预测模型。最后,针对电力业扩项目二次聚类数据,分别采用ICSO-ELM预测模型对项目时长进行预测。以某供电局业扩数据进行实验,验证所提模型的有效性,所提出的ICSO-SOM-ELM预测模型优于其他预测模型,可为供电公司的业扩项目工期计划制定提供科学性的建议。 展开更多
关键词 电力业扩项目 工期预测 自组织映射网络 改进纵横交叉算法 极限学习机
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部