-
题名基于ELM-SVR模型的装备关键部件寿命预测
被引量：6
- 1
-
-
作者
范小虎
赵爱罡
许强
葛春
李瑞帅
张猛
刘茜萱
-
机构
火箭军士官学校
-
出处
《科学技术与工程》
北大核心
2023年第2期640-647,共8页
-
基金
国家自然科学基金(61773389)。
-
文摘
装备关键部件数量众多,其性能决定了武器系统的健康寿命。为解决单一模型预测精度不高的问题,提出了基于ELM-SVR模型的剩余寿命预测方法。ELM模型为单隐层网络,输出拟合采用样本权重相同线性回归方法,存在特征辨识度不高,预测泛化能力不强的问题,将ELM模型与SVR模型融合,在ELM神经元基础上使用核函数进一步提高特征的辨识度,以软间隔拟合函数代替线性回归对输出进行拟合,突出了样本权重,有效提升了剩余寿命预测的泛化能力。依据多个装备关键部件的综合性能指标对其进行剩余寿命预测,实验结果表明:与ELM、SVR、KELM模型相比,平均预测精度分别提高了57.14%、44.44%、11.76%,可见ELM-SVR模型具有一定的泛化能力与鲁棒性,可显著提高剩余使用寿命预测精度。
-
关键词
剩余寿命预测
kelm模型
ELM极端学习机
SVR支持向量机
-
Keywords
remaining life prediction
kelm model
ELM extreme learning machine model
SVR support vector machine
-
分类号
TP202.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进核极限学习机的短期负荷预测模型分析
被引量：4
- 2
-
-
作者
朱勇
陶用伟
王常沛
李泽群
黄琼
杨键
-
机构
贵州电网有限责任公司凯里供电局
-
出处
《电气自动化》
2020年第5期42-44,共3页
-
文摘
以极限学习分析模型为基础,对子网负荷变化进行了预测,同时比较了经过改进得到的核极限学习机模型与神经网络方法各自计算得到的结果。研究结果表明:利用聚类方法进行改进的KELM模型可以获得更低的Max-AE,使模型获得更优的拟合性能;采用聚类方法试试改进的KELM模型还可以达到比直接预测更高的效率,表明聚类得到的组合预测模型具备有效性,能够显著降低模型的预测误差;极限学习机模型不必对算法实施迭代,整体运行效率较高,最后可以获得一个最优解;核极限学习机方法可以达到最优状态,获得理想的泛化能力。
-
关键词
短期负荷
预测模型
改进核极限学习机
聚类方法
kelm模型
最优解
泛化能力
神经网络
-
Keywords
short-term load
prediction model
improved kern extreme learning machine(kelm)
clustering method
kelm model
optimal solution
generalization ability
neural network
-
分类号
TM714
[电气工程—电力系统及自动化]
-
-
题名中国甲状腺癌发病趋势分析与预测
被引量：11
- 3
-
-
作者
崔静
张倩
张义
-
机构
衡水市人民医院
衡水市疾病预防控制中心
-
出处
《现代肿瘤医学》
CAS
北大核心
2023年第10期1917-1923,共7页
-
基金
河北省医学科学研究重点课题(编号:20181582)。
-
文摘
目的:分析2003-2017年我国患甲状腺癌的不同群体的发病率情况,采用KELM-SVR耦合模型建模并对2018-2022年甲状腺癌发病率进行预测,为甲状腺癌防治提供有益补充。方法:收集2003-2017年全国总体、男性、女性、城市及农村人口的甲状腺癌发病率,建立KELM、SVR、KELM-SVR耦合模型,以MRE为准则,选择精度最高的KELM-SVR耦合模型对2018-2022年不同甲状腺癌发病率进行预测。结果:KELM-SVR耦合模型在五种不同甲状腺癌发病率的预测中均优于KELM、SVR模型,KELM、SVR、KELM-SVR模型的平均MRE分别为:7.58%、6.59%、5.74%,2018-2022年我国总体甲状腺癌发病率分别为:17.07/10万、18.40/10万、19.80/10万、21.23/10万、22.71/10万。结论:甲状腺癌发病率处于稳定上升趋势,其中女性及城市人口甲状腺癌发病率最高,KELM-SVR耦合模型可提高单模型的预测精度,对预测多种甲状腺癌发病率提供稳定可靠的方法。
-
关键词
kelm模型
SVR模型
甲状腺癌
耦合模型
核函数
极端学习机
-
Keywords
kelm model
SVR model
thyroid cancer
coupled model
kernel function
extreme learning machine
-
分类号
R736.1
[医药卫生—肿瘤]
-
