短期負(fù)荷預(yù)測(cè)的集成改進(jìn)極端學(xué)習(xí)機(jī)方法

程　松　閆建偉　趙登?！⊥酢∪Α⊥鹾Ｃ?/p>

摘要：首次將極端學(xué)習(xí)機(jī)(ELM)理論引入短期負(fù)荷預(yù)測(cè)領(lǐng)域，并以BFGS擬牛頓法對(duì)ELM網(wǎng)絡(luò)左側(cè)權(quán)值進(jìn)行優(yōu)化訓(xùn)練調(diào)整。形成基于迭代一解析的改進(jìn)ELM預(yù)測(cè)模型。同時(shí)，采用集成技術(shù)Boosting算法，生成多個(gè)差異度大的改進(jìn)ELM子網(wǎng)絡(luò)，對(duì)其進(jìn)行加權(quán)組合，構(gòu)建了集成改進(jìn)極端學(xué)習(xí)機(jī)預(yù)測(cè)模型。該模型不僅有效避免了極端學(xué)習(xí)機(jī)左側(cè)權(quán)值隨機(jī)給定的輸出穩(wěn)定性問(wèn)題，而且克服了單一網(wǎng)絡(luò)預(yù)測(cè)模型泛化能力較差等缺陷。

關(guān)鍵詞：極端學(xué)習(xí)機(jī)；短期負(fù)荷預(yù)測(cè)；訓(xùn)練；集成技術(shù)

中圖分類(lèi)號(hào)：TM715文獻(xiàn)標(biāo)志碼：A文章編號(hào)：0253—987X(2009)02—0106—05