基于APSO＿ELM算法的地铁列车碳滑板磨耗的预测

作者：郝玉然; 王自鑫; 李正培

来源：现代计算机(专业版), 2022, 28(18): 42-46.

• 碳滑板磨耗
• ELM
• 收缩因子
• APSO-ELM

为了准确预测地铁列车碳滑板磨耗量，本文选择训练速度快、参数设置少、准确度高的极限学习机（ELM）模型。针对ELM模型在训练过程中随机产生权值和阈值，导致模型泛化能力不足、稳定性差等缺点，引入基于收缩因子改进的自适应粒子群算法（APSO）对其进行优化，提出了一种基于自适应粒子群优化极限学习机（APSO-ELM）的碳滑板磨耗预测模型。将该模型运用到碳滑板磨耗实例预测中，在选取的270组样本数据中，前235组作为训练样本，后35组作为测试样本，以影响碳滑板磨耗的主要因素——地铁运行公里数作为输入参数，以碳滑板厚度为输出参数，将预测结果与ELM模型预测进行对比。结果表明，APSO-ELM模型有较高的预测精度，预测值更逼近于实际值，验证了APSO-ELM模型在碳滑板磨耗预测中的可靠性和有效性。