基于改进极限学习机的雷电过电压分类识别

以雷电过电压波形的特征信号为输入量,雷电过电压类型为输出量,采用改进粒子群算法(IPSO)对极限学习机(ELM)的权值和偏置值进行优化,建立了基于IPSO-SVM的雷电过电压分类识别模型。采用雷电过电压仿真获取250例实验数据进行仿真分析,其中200例作为训练数据,50例作为测试数据。测试结果表明:PSO-SVM模型准确率为98%,高于PSO-ELM、PSO-SVM和ELM等模型,具有良好的分类性能。