改进的快速跟踪回声状态网络及PM2.5预测

针对递归最小二乘回声状态网络在噪声环境中预测精度不高的问题,提出了一种改进的快速跟踪回声状态网络。首先在递归最小二乘回声状态网络结构的基础上,将自适应调节的可变遗忘因子加入其代价函数中,用改进的递归最小二乘法对网络输出权值进行训练,得到快速跟踪回声状态网络;然后利用经典Lorenz混沌系统验证快速跟踪回声状态网络的有效性;最后利用灰关联法分析各相关变量与PM2.5的关联度,建立PM2.5浓度值辅助变量集合,将辅助变量集合输入到快速跟踪回声状态网络进行PM2.5浓度值预测。实验表明,与传统回声状态网络、递归最小二乘回声状态网络预测效果相比,快速跟踪回声状态网络的预测方法精度佳,抗噪声能力强。     

基于最大相关熵准则的多尺度高斯核极端学习机

针对传统的多尺度核极端学习机对噪声敏感且计算量大的问题,提出一种适用于高斯噪声环境的多尺度核极端学习机。首先,利用最大相关熵准则代替多尺度核极端学习机中传统的最小均方差准则构造目标函数;其次,将1种按训练样本数随机生成尺度因子的多尺度化方法应用于高斯核函数;最后引入拉格朗日乘子法对目标函数进行求解,推导出基于最大相关熵准则的多尺度高斯核极端学习机。实验表明,该算法具有更高的学习效率,与传统多尺度核极端学习机相比,在3个UCI基准数据集上预测精度平均提升30.30%,在对水泥熟料f-CaO含量进行预测的应用实验中预测精度提升23.8%。     

改进的多种群算法优化隐马尔可夫模型预测篦压趋势

以篦冷机关键参数篦下压力为研究对象,提出一种篦压变化趋势预测模型.利用主成分分析对数据降维,以主元序列作为观测序列,构建改进的多种群算法优化隐马尔可夫模型参数.种群内利用轮盘赌算子选择个体,设计双区与均匀行交叉结合的自适应交叉算子避免局部收敛,进行动态变异率的多项式变异操作提高收敛速度,种群间提出混合师生交流机制的自适应移民算子保证多种群协同进化.仿真表明本文算法可收敛到全局最优,能提高收敛精度和速度,利用该算法建立的模型跟踪性能好,预测精度高,能满足对篦压趋势预测的要求.     

改进自适应多种群NSGA-Ⅲ算法的研究

针对第三代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅲ,NSGA-Ⅲ)在处理高维多目标函数时存在收敛精度低和搜索性能差等问题,提出一种自适应多种群NSGA-Ⅲ算法。首先将传统算法的单一种群划分成四个亚种群,并为每个亚种群分配不同的交叉算子;其次提出外部最优解集(external optimal solution set,EXS)的概念,通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小;最后利用局部搜索策略提高EXS的局部搜索性能。采用四个不同的测试函数,与七种对比算法进行仿真验证,结果表明在处理高维多目标优化问题时,提出算法的性能指标整体优于其他对比算法,能够获得较好的算法收敛性和种群多样性。     

一种增量式贝叶斯算法及篦冷机故障诊断

针对批量式算法增量维护性能差的缺点,提出了一种贝叶斯增量学习算法(ILA)。检测到新数据集时,构造WTUN函数来判断结构是否需要更新,若结构需要更新,则构建影响度(Affect)函数,得到结构中需要修正的节点集,在其马尔可夫范围内利用爬山算子修改得到候选结构,利用改进的评分函数选择评分最大的结构作为最优结构。无论结构是否更新,都将原参数作为先验参数,利用EM算法更新参数。将该算法与批量爬山（HC）算法、增量爬山（IHC）算法、增量遗传算法（IGA）对比,ILA算法可以对网络进行增量维护,一定程度上节省了空间和时间。利用该算法建立篦冷机工艺参数的故障诊断模型,该模型能较为准确地实现对二次风温的故障诊断。