差分进化极限学习机城市燃气负荷预测  

Forecast of Urban Gas Load Based on Differential Evolution Extreme Learning Machine

作　　者：何方舟 姚安林[1] 刘源海[1] 宋承恩 翁祥 

机构地区：[1]西南石油大学石油工程学院,四川成都610500 [2]新疆油田公司油气储运分公司,新疆克拉玛依834000

出　　处：《煤气与热力》2016年第3期8-12,共5页Gas & Heat

摘　　要：介绍极限学习机(ELM)的原理,将差分进化算法(DE)引入极限学习机,通过Matlab建立基于差分进化极限学习机预测模型。实例证明DE-ELM算法能实现快速确定最优的输入层到隐含层的连接权值和阈值,提高神经网络的整体稳定性和预测精度。The principle of extreme learning machine （ELM） is presented. The differential evolution （DE） algorithm is introduced into the ELM. The extreme learning machine forecast model based on differential evolution is established by Matlab software. Instances proved that DE-ELM algorithm can fast determine the connection weights and threshold from optimal input layer to hidden layer, and improve the overall stability of the neural network and the prediction precision.

关 键 词：燃气负荷 差分进化 极限学习机 人工神经网络 隐含层节点 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]