基于极限学习机的煤自然发火预测研究

elm回归及分类：ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2004年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很

通过ν正则化优化极限学习机

极限学习机核函数,注释清晰,调用方法放在在注释中,附带随机数据,值得注意的是,第一列为标签且数据格式非常规“.mat”格式数据。

针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点,提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶

摘要:内核极限学习机(KELM)通过将低维空间中的线性不可分离数据转换为线性可分离的数据,从而增强了ExtremeLearning Machine(ELM)的鲁棒性。 然而,ELM的内部功率参数是随机

对极限学习机的模型进行了研究，提出了一种结合期望风险最小化的极限学习机的预测模型。其基本思想是同时考虑结构风险和期望风险，根据期望风险和经验风险之间的关系，将期望风险转换成经验风险，进行最小化期望风险

西北地区侏罗纪煤可采储量巨大,煤层自燃倾向性大,而侏罗纪煤层自燃机理研究落后于东部和华北的石炭二叠纪,因此了解西北地区侏罗纪煤层自燃研究现状对确立今后西北侏罗纪煤层自燃研究方向和完善煤层自燃理论体系具

为提高短期负荷预测精度，针对传统的单一负荷预测模型精度低以及常规智能算法在解决高维、多模复杂问题时容易陷入局部最优的问题进行了研究，提出了一种结合混沌纵横交叉的粒子群算法（CC-PSO）优化极限学习机

为了解决基于深度学习的网格分割方法在训练分割分类器过程中时间消耗大的问题,提出了一种基于蚁狮优化的极限学习机的网格分割方法。利用蚁狮优化算法中蚂蚁种群受精英蚁狮与轮盘赌策略的双重影响,迭代更新蚂蚁种群

煤自燃产生的气体(如CO、H2、CnHm、CH4)在无瓦斯矿井也可爆炸,在高瓦斯煤易燃矿井是瓦斯重要组分,它增加了瓦斯总浓度,使瓦斯爆炸界限扩大,减少爆炸的需氧量。燃烧的强火源促成瓦斯在低浓度、低氧条