典型文献
基于PSO与ELM组合算法的装备器材消耗预测模型
文献摘要：
针对装备器材消耗的随机性与波动性而难以准确预测消耗变化的情况,构建了粒子群算法(par-ticle swarm optimization,PSO)和极限学习机(extreme learning machine,ELM)的预测模型.首先,构建训练集和ELM网络;其次,采取PSO优化ELM的输入层权值和隐藏层阈值,解决因权值和阈值随机出现而造成的网络不稳定现象;最后,通过使用3种非线性、非平稳数据集测试及装备器材消耗数据的预测分析,验证了PSO-ELM的预测精度优于EMD-GA-BP、LSSVM、PSO-LSSVM、ELM模型.
文献关键词：
器材消耗;粒子群算法;极限学习机;预测精度
中图分类号：
作者姓名：
刘畅;伍洁;肖斌;张东东
作者机构：
海军工程大学 管理工程与装备经济系,湖北 武汉430033;武警第二机动总队,福建 福州350200
文献出处：
引用格式：
[1]刘畅;伍洁;肖斌;张东东-.基于PSO与ELM组合算法的装备器材消耗预测模型)[J].武汉理工大学学报（信息与管理工程版）,2022(01):112-116
A类：
B类：
PSO,ELM,组合算法,装备器材,器材消耗,消耗预测,随机性,波动性,准确预测,粒子群算法,par,ticle,swarm,optimization,极限学习机,extreme,learning,machine,训练集,输入层,权值,不稳定现象,非平稳,预测分析,EMD,GA,LSSVM
AB值：
0.3935
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
