粒子群优化极限学习机PSOELM做数据预测
PSO-ELM优化算法预测模型。
ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建。
在ELM模型的构建中, 只需确定初始ω和b, 而无需复杂的参数设置, 具有学习速度快、泛化性能好等优点。
然而在发动机参数预测过程中, 不同的参数设置, 对预测模型的准确度起着一定程度的影响。
此时, 如果通过简单的随机选取初始化参数方法来构建极限学习机模型, 在一定程度上存在着模型构建中隐含层节点冗余等缺点, 这在一定程度上阻碍了ELM模型的精确性。
因此, 在构建EGTM数据预测模型的过程中, 可通过PSO算法寻优确定模型的最佳参数, 以保证ELM模型的准确性。
matlab程序，可做功率预测数据预测，程序注释详细方便阅读，可替换自己的数据做预测，预测结果准确。
ID:4327681153176074tbNick_l92ka
