自然循环流动不稳定性的多目标优化极限学习机预测方法.pdfVIP

物 理 学报 ActaPhys．Sin．Vo1．63，No．20(2014) 200505 自然循环流动不稳定性的多目标优化 极限学习机预测方法冰 陈涵瀛 高璞珍十 谭思超 付学宽 (哈尔滨工程大学，核安全与仿真技术国防重点学科实验室，哈尔滨 150001) (2014年4月28日收到；2014年6月9日收到修改稿) 极限学习机是近年来提出的一种前向单隐层神经网络训练算法，具有训练速度快、不会陷入局部最优等 优点，但其性能会受到随机选取 的输入权值和阂值的影响．针对这一问题，提 出一种基于多 目标优化的改进 极限学习机，将训练误差和输出层权值的均方最小化同时作为优化 目标，采用带精英策略的快速非支配排序 遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化．将该算法应用于摇摆工况下自然循环系统不 规则复合型流量脉动的多步滚动预测，分析了训练误差和输出层权值对不同步长预测效果的影响．仿真结果 表明，优化极限学习机预测误差可 以用较小的网络规模获得很好的泛化能力．为流动不稳定性 的实时预测提