控制与决策

作者：金秀章,张少康

单位：华北电力大学控制与计算机工程学院，河北保定071003,,华北电力大学控制与计算机工程学院，河北保定071003,

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

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问题,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.

来源：2019年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第1期