-
题名基于相似时段和PCA-ELM的超短期风电功率预测
被引量：1
- 1
-
-
作者
王磊
马磊娟
-
机构
西北大学经济管理学院
河南工业职业技术学院基础教学部
-
出处
《兵工自动化》
2022年第11期32-36,53,共6页
-
基金
河南省2020年科技发展计划(202102210134)
河南省高等学校青年骨干教师培养计划(2019GZGG098、2018GGJS229)。
-
文摘
为提高风电场输出功率的预测精度,提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM)组合算法(PCA-ELM)的预测模型。通过关联度分析明确待测时段的相似时段范围,结合天气数据、机组状态和历史功率构建训练和测试样本,利用预测算法完成样本的训练和测试,得到输出功率预测结果并验证。实验结果表明:与常见的算法模型相比,该预测模型在不同装机容量和不同工作状态的风电场中均具有较高的预测精度,表现出良好的预测稳定性和泛化能力。
-
关键词
风电功率预测
相似时段
主成分分析
多层自编码极限学习机
-
Keywords
wind power forecasting
similar time period
PCA
ml-ae-elm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于多隐层极限学习机的文本分类方法
被引量：4
- 2
-
-
作者
冀俊忠
庞皓明
杨翠翠
刘金铎
-
机构
北京工业大学多媒体与智能软件技术北京市重点实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2019年第6期534-545,共12页
-
基金
国家自然科学基金资助项目(61672065)
-
文摘
针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取出高层文本特征并通过最小二乘的方法对文本数据进行分类.与多个算法的实验对比表明,该算法在20newsgroup、Reuters和复旦大学中文语料库这3个数据集上都具有良好的分类性能.
-
关键词
文本分类
高维文本
多隐层极限学习机
极限学习机自编码器
特征映射
神经网络
-
Keywords
text classification
high dimensional text
multi-layer extreme learning machine ( ML-ELM)
extreme learning machine-based auto-encoder (ELM-AE)
feature mapping
neural network
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
