[发明专利]一种集成遗忘机制和双超限学习机的在线时空建模方法

权利要求书

1.一种集成遗忘机制和双超限学习机的在线时空建模方法，其特征在于，至少包括：

S1.根据非线性分布参数系统固化炉固化热过程的非线性偏微分方程，将时空输出变量解耦为时间系数序列和空间序列；

步骤S1所述的非线性分布参数系统固化炉固化热过程的非线性偏微分方程为：

Neumann边界条件和初始条件为：

其中，T(S,t)表示在时间t和位置S＝(x,y,z)∈(0,S₀)的时空输出变量，ρ表示密度，k表示热系数，c表示比热系数，f(T(S,t))是与时空输出变量T有关的未知非线性热动态，Q(S,t)表示热源，表示拉普拉斯空间算子；

时空输出变量T(S,t)解耦为时间系数序列和空间序列的表达式为：

其中，a_i(t)表示时间系数序列的第i个时间系数，时间系数序列为φ_i(S)表示第i个空间位置，空间序列BFSs为

第i个时间系数的表达式为：

a_i(t)＝g_i(a_i(t-1))+h_i(u(t-1))

其中，g_i(·)和h_i(·)均指非线性函数；

S2.基于时间系数序列，建立第一超限学习机模型及第二超限学习机模型；

S3.利用集成遗忘机制的在线顺序学习算法更新第一超限学习机模型及第二超限学习机模型的模型参数；

S4.将空间序列和更新后的第一超限学习机模型、第二超限学习机模型综合，重构出在线时空模型。

2.根据权利要求1所述的集成遗忘机制和双超限学习机的在线时空建模方法，其特征在于，步骤S2所述的第一超限学习机模型的表达式为：

第二超限学习机模型的表达式为：

其中，β_σ表示第一超限学习机模型中连接输出节点和隐藏节点的输出权重，β_δ′表示第二超限学习机模型中连接输出节点和隐藏节点的输出权重，ω_σ表示第一超限学习机模型中连接输出节点和隐藏节点的输入权重，ω′_δ表示第二超限学习机模型中连接输出节点和隐藏节点的输入权重，σ表示第一超限学习机模型中第σ个隐藏节点，N₁表示第一超限学习机模型中隐藏节点的个数，N₂表示第二超限学习机模型中隐藏节点的个数，G₁表示第一超限学习机模型中隐藏层的激活函数；G₂表示第二超限学习机模型中隐藏层的激活函数，η_σ表示第一超限学习机模型中隐藏节点的阈值，η_δ′表示第二超限学习机模型中隐藏节点的阈值，u(t)表示第二超限学习机模型的建立所基于的时间系数序列中时间系数，g_i(·)和h_i(·)两个非线性函数满足：g_i(·)＝g(·),h_i(·)＝h(·)。