计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
8期
2887-2891
,共5页
极限学习机%优化算法%故障诊断%供水管网%人工蜂群算法
極限學習機%優化算法%故障診斷%供水管網%人工蜂群算法
겁한학습궤%우화산법%고장진단%공수관망%인공봉군산법
extreme learning machine%optimization algorithm%fault diagnosis%water supply network%ABC algorithm
为进一步提高传统极限学习机的泛化能力,提出了一种基于人工蜂群算法优化的极限学习机模型.该模型将人工蜂群算法的全局寻优能力和极限学习机的快速学习能力相结合,有效克服了传统极限学习机的过拟合现象.在确定水压变化比值作为故障特征参数的基础上,将优化后的极限学习机模型应用于供水管网的泄漏故障诊断实验,实验结果表明,经人工蜂群算法优化的极限学习机模型在故障诊断速度和精度方面均优于其他3种模型.
為進一步提高傳統極限學習機的汎化能力,提齣瞭一種基于人工蜂群算法優化的極限學習機模型.該模型將人工蜂群算法的全跼尋優能力和極限學習機的快速學習能力相結閤,有效剋服瞭傳統極限學習機的過擬閤現象.在確定水壓變化比值作為故障特徵參數的基礎上,將優化後的極限學習機模型應用于供水管網的洩漏故障診斷實驗,實驗結果錶明,經人工蜂群算法優化的極限學習機模型在故障診斷速度和精度方麵均優于其他3種模型.
위진일보제고전통겁한학습궤적범화능력,제출료일충기우인공봉군산법우화적겁한학습궤모형.해모형장인공봉군산법적전국심우능력화겁한학습궤적쾌속학습능력상결합,유효극복료전통겁한학습궤적과의합현상.재학정수압변화비치작위고장특정삼수적기출상,장우화후적겁한학습궤모형응용우공수관망적설루고장진단실험,실험결과표명,경인공봉군산법우화적겁한학습궤모형재고장진단속도화정도방면균우우기타3충모형.