简介： 本发明公开了一种动态机器学习方法，该方法包括以下步骤：1)基于控制系统已有的历史数据样本，按照极限学习机算法规则训练当前ELM网络；2)采集的最新数据样本按照数据周期划分；3)开始第一个数据周期，基于原有样本及第一个数据周期的新增样本重新训练当前ELM网络；4)对第k个周期，计算不同数据周期数据样本的有效学习率；5)重新训练当前周期对应的ELM网络；6)若未达到下一数据周期开始时刻，则将当前数据周期对应的ELM网络用于进行预测，并将预测结果作用于对应的控制系统；若已达到下一数据周期开始时刻，则跳至步骤4)。本发明方法动态地对不同时段数据样本予以差异化学习和利用，能有效提高最终预测结果的适用度。