[发明专利]基于AP聚类的ELM复杂石化行业生产能力的预测模型

权利要求书

1.一种新型的基于AP聚类的ELM复杂石化行业生产能力的预测模型，其特征在于，包括：

获取石化行业的生产数据；

使用AP聚类算法对所述生产数据进行聚类，当所有数据点到最近的类代表点的相似度之和最大时，获得最优的类代表点的数据集合，所述相似度之和是R(i，k)与A(i，k)之和，其中R(i，k)表示数据对象k作为数据对象i的聚类中心的适合程度，A(i，k)表示数据对象i选择数据对象k作为聚类中心的适合程度，R(i，k)与A(i，k)的表达式为：

R_t+1(i，k)＝(1-λ)·R_t+1(i，k)+λ·R_t(i，k) (1)

A_t+1(i，k)＝(1-λ)·A_t+1(i，k)+λ·A_t(i，k) (3)

将所述数据集合作为ELM算法的训练集合和测试集合，通过训练和测试形成预测模型；

根据所述预测模型对石化行业生产能力进行预测。

2.根据权利要求1所述的新型的基于AP聚类的ELM复杂石化行业生产能力的预测模型，其特征在于，所述将所述数据集合作为ELM算法的训练集合和测试集合，通过训练和测试形成预测模型的步骤包括：

设定输入层与隐含层之间的连接权重值为：

设定隐含层与输出层之间的连接权重值为：

设定所述隐含层的阈值为

n个样本的输出Y＝HV，其中Y∈R^m×n，所述隐含层的输出矩阵H为：

其中，g(x)为激活函数，w_i和b_i在训练之前随机确定；

所述隐含层的输出权重值为H⁺为所述隐含层的输出矩阵的Moore-Penrose广义逆；

根据所述输出权重值形成预测模型。

3.根据权利要求1所述的新型的基于AP聚类的ELM复杂石化行业生产能力的预测模型，其特征在于，还包括：

设定所述隐含层的节点个数，所述ELM算法获得唯一的最优解。