专利交易市场

本发明实施例公开了改进天牛群算法优化正则化极限学习机的入侵检测方法，引入LU分解法通过迭代求解输出权值，降低计算的复杂度，提高入侵检测的准确率；引入改进天牛群算法用于RELM神经网络参数寻优以提高其检测精度和训练速度，改进天牛群算法使用Tent映射反向学习初始化种群、莱维飞行的群体策略以及动态变异策略，使得个体在移动的过程中动态学习群体的经验，提高算法的收敛速度、增强后期的探索能力，避免算法陷入局部最优。

本发明公开一种基于特征变量极限学习机的排污口磷含量测量方法，通过两种不同的特征变量选择方法，选择出两组特征变量用作软测量模型的输入变量，并在此基础上建立两个不同的极限学习机模型，从而实现对排污口磷含量的实时软测量。本发明方法的最大优势在于：不依赖于工程技术人员的经验或生化反应机理知识，直接通过数据驱动的角度实现了特征变量的优选。此外，充分利用两个不同的特征变量优选策略，选择不同的特征变量组，并分别建立相应的极限学习机模型，发挥出了多模型泛化能力强的优势，对于预测结果的精度能有较充分的保障。

本发明公开了一种基于改进深度极限学习机的风功率预测方法，包括：S1：获取风功率数据，同时构建深度极限学习机DELM模型；S2：对采集到的风功率数据进行归一化处理，并初始化DELM模型参数；S3：在标准灰狼算法中引入sobol序列初始化种群，在局部搜索中引入柯西变异策略；S4：将预处理后的训练样本送入DELM模型中，经过DELM训练测试得到的复合加权目标函数值作为经混合复合加权目标函数改进后的灰狼算法的适应度值，利用改进灰狼优化算法对参数进行训练寻优，得到DELM各隐含层的最优节点数和最优正则化参数C；S5：将风功率数据的测试样本送入含有最优参数的DELM模型中，得到风功率预测输出值。本发明能够使得风功率预测更加接近实际值，提高风功率预测的准确度。