基于核映射极限学习机的入口氮氧化物预测

来源期刊：控制与决策2019年第1期

论文作者：金秀章 张少康

文章页码：213 - 218

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;

摘    要：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.