基于极限学习机的采煤机功率预测算法研究

发布时间：2017-10-20 08:46

  本文关键词：基于极限学习机的采煤机功率预测算法研究

  更多相关文章： 采煤机 功率预测 极限学习机 支持向量机 模型推理

【摘要】：为减少对领域专家的过分依赖,实现企业专家经验知识的继承,面向采煤机方案设计中总体技术参数的确定过程,结合采煤机条件属性与决策属性间的映射关系,提出了基于极限学习机的采煤机功率预测模型。采用遗传算法选定最佳隐层神经元个数,利用递进方式比选确定激励函数,随机产生输入权值及隐元偏置,由此计算隐层节点输出矩阵、隐层与输出层连接权重,进而完成建模与优化。模型可根据用户输入的不同原始设计条件输出采煤机功率的预测值。选用某煤机企业的实例数据进行算例分析,将其与基于支持向量机回归预测模型进行对比,实验结果表明,ELM模型可实现600 ms内完成单次功率预测,预测值与真实值平均相对误差在2.5%以内。其预测精度优于SVM模型,且在学习速度方面优势明显,推理效率显著提高。
【作者单位】： 太原理工大学机械工程学院;煤矿综采装备山西省重点实验室;School
【关键词】： 采煤机 功率预测 极限学习机 支持向量机 模型推理
【基金】：国家留学基金资助项目(201406935030) 山西省科技重大专项资助项目(20111101040) 企业技术开发资助项目(143060430-J)
【分类号】：TD421.6
【正文快照】： puter Science,University of the Pacific,Stockton,CA 95211,United States)智慧制造是制造业信息化发展到一定程度时的产物。中国工程院李伯虎院士提出,新的工业革命中,制造模式是基于数字化、网络化、智能化制造技术的敏捷、绿色、协同、个性服务和社会化的一种智慧制造[1

【相似文献】

中国期刊全文数据库 前10条

1 姜谙男;梁冰;张娇;;基于粒子群最小二乘支持向量机的瓦斯含量预测[J];辽宁工程技术大学学报(自然科学版);2009年03期

2 许少华;庞跃武;王兵;;一种过程支持向量机模型及其若干理论性质[J];大庆石油学院学报;2011年06期

3 祁正兴;加权支持向量机分类算法及应用[J];青海师专学报.教育科学;2005年06期

4 金侃;袁景淇;;支持向量机在效益函数预报中的应用[J];化工自动化及仪表;2006年01期

5 温后珍;孟碧霞;徐小力;;基于支持向量机的旋转机组状态趋势预示技术[J];重型机械;2006年02期

6 毛建洋;黄道;;一种新的支持向量机增量算法[J];华东理工大学学报(自然科学版);2006年08期

7 张光亚;刘桂兰;方柏山;;基于支持向量机识别嗜热和常温蛋白的研究[J];计算机与应用化学;2006年08期

8 林继鹏;刘君华;;基于提升支持向量机的多组分气体分析[J];化工自动化及仪表;2007年03期

9 赵鹏;;基于支持向量机的文本分类方法研究[J];齐齐哈尔大学学报;2008年01期

10 王国君;岳志强;;支持向量机在入侵检测中的应用研究[J];广西轻工业;2008年07期

中国重要会议论文全文数据库 前10条

1 林关成;李亚安;;一种支持向量机训练集选取算法改进[A];2009’中国西部地区声学学术交流会论文集[C];2009年

2 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

3 侯澍e，

本文编号：1066340