抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

土星和木星上的钻石海洋

这听起来就像是科幻小说，但是的确有多达1000万吨的钻石可能储存于土星和木星上。观测到的证据证明，土星上的雷暴可以不断地产生碳粒子。此外，新一轮室内实验和模拟实验，显示了碳在极端环境下的特性。因此，两位科学家产生了这样的设想：土星和木星都有可能为钻石的形成提供稳定的环境。“我们现在知道，固体钻石所承受的最高限温是8000K，如果高出这个温度，钻石就会熔化。而且，对于土星和木星内部的压力和温度分布，我们也能够测量得更加准确了。”威斯康星大学麦迪逊分校的行星科学家凯文·贝恩斯说，“这两个情况结合在一起，首次向我们表明：固体钻石可能存在于两颗行星大范围的纵向区域中。”不久前，在科罗拉多州丹佛市举行的一次会议上，研究人员提交了这篇研究论文，贝恩斯是该论文的合作者。     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

极端生命新发现

早在几十年前，人们就注意到一类被称为极端微生物的微小生命，那些对于大部分地球生命犹如地狱的火山口、冰川、盐湖等恶劣的自然环境对它们而言却是栖息繁衍的天堂。分子遗传学的研究表明，它们中的大部分成员在进化上也是很独特的，属于被科学家们称为古菌的生物类群。这类生物既有别于细菌，又有别于更高级的真核生物，它们也许是世界上现存的最古老的生命。几十年来，新的极端生命形式不断被人们发现和认识，它们一次次地打破生命的极限，一次次地冲击人们对生命现象的传统观念。以下是近年来新发现的一些此类生命，关于它们的发现和研…     

咸阳机场气候与影响飞行的天气分析

本文普查了咸阳机场1992年-2003年的天气资料，分析了气温、湿度、降水、能见度、沙尘暴等主要要素的年分布特征和月分布特征，对成阳机场出现的极端气候事件进行了讨论，并提出预报着眼点。     

冰雪天气下基于MFOA-KELM残差修正的跑道温度混合预测

道面温度短时精准预测是跑道积冰预警的关键因素之一, 为了解决单一机理预测模型随预测时间延长而造成误差累积的问题, 提出了一种冰雪天气下跑道温度混合预测方法。将跑道温度机理预测模型与核极限学习机(KELM)相结合, 建立一种数据驱动修正残差的跑道温度机理预测模型。针对果蝇优化算法(FOA)收敛速度慢、易陷入局部最小值的问题, 引入权值更新函数和距离扩充因子, 调整果蝇的全局寻优效果, 避免陷入局部极小值。利用改进的果蝇优化算法(MFOA)对KELM的正则化参数与核参数联合优化, 以冰雪天气下跑道温度实际数据为例, 建立基于改进果蝇优化核极限学习机(MFOA-KELM)的跑道温度混合预测模型, 并在不同时间尺度下对该混合预测模型进行仿真测试。实验结果表明:与单一机理预测模型相比, 当预测时长为120 min时, MFOA-KELM混合预测模型的平均绝对误差至少减小了61.43%, 在残差阈值为±0.5℃时, 平均预测准确率为91.25%。可见, MFOA-KELM混合预测模型具有更高的预测准确性, 研究结论显示该混合预测方法能够为机场跑道温度短时精准预测提供新思路。      

太阳系极端气候大盘点

在美国航空航天局“水手2”号探测器传回金星的探测数据前，科学家一直以为和地球极为相似的金星只不过比地球稍微热一点，其上甚至可能孕育着外星生命。然而，“水手2”号传回的数据却显示金星是一个地狱般酷热的星球，上面不可能有生命存在。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。