[发明专利]改进鲸鱼优化最小二乘支持向量机的带钢厚度预测方法

权利要求书

1.一种改进鲸鱼算法优化最小二乘支持向量机的带钢厚度预测方法，其特征在于，其步骤为：

1)分析采集的钢板数据信号；

2)特征提取：用互信息法计算带钢出口厚度与影响因素的互信息值，选择对带钢厚度影响大的因素，完成特征提取；

3)数据归一化处理

4)带钢厚度预测：

对最小二乘支持向量机进行优化，利用IWOA-LSSVM方法训练带钢厚度预测模型，步骤为：

4.1)初始化鲸鱼群，并设置最大迭代次数；

4.2)判断是否达到最大迭代次数，如果达到最大迭代次数，输出最优解，算法结束，如果没有达到则执行步骤4.3)；

4.3)计算每个个体的适应度值，并记录最优值；

4.4)计算系数向量A、C以及收敛因子a的值；其中A、C的值运用原始鲸鱼算法的公式(3)和(4)进行计算：

A＝2a·r1-a(3)

C＝2·r2(4)

其中r1和r2是[0,1]之间的随机数；

对a值的计算基于对传统鲸鱼算法的改进，传统鲸鱼优化算法中参数A对鲸鱼捕猎过程中不同阶段的全局搜索和局部搜索产生影响，当|A|≥1时增强鲸鱼个体全局搜索能力，当|A|＜1时增强鲸鱼个体局部寻优能力；原始的参数A采用线性收敛方式，由收敛因子a控制其大小，而参数a在[0,2]之间线性递减，使得a的变化具有局限性，改进后的公式为：

式中，t表示当前的迭代次数，Max_iter表示最大迭代次数；在迭代初期，也就是在A的绝对值处于大于1的状态时，a的值缓慢下降，这样有利于种群内个体进行全局搜索；随着迭代次数增加直到后期a的值以指数的形式迅速下降，这时A的绝对值处于小于1的状态，有利于种群内个体进行局部寻优；

4.5)产概率因子p，判断p的值；鲸鱼围捕猎物时在猎物收缩包围圈来回游走，同时沿着螺旋形路径进行捕猎，为了模仿该过程，使鲸鱼个体同步进行收缩包围猎物和螺旋更新位置需要引入一个概率因子p，p为[0,1]之间一个随机数，由它决定鲸鱼个体进行螺旋或包围运动；

4.6)若p＜0.5，且|A|≥1，鲸鱼处于搜索猎物阶段，鲸鱼的目标是随机选择的鲸鱼，根据随机选择的鲸鱼位置来更新其他鲸鱼的位置，迫使鲸鱼偏离猎物，由此找到一个更合适的猎物，由此加强算法的勘探能力使算法能够进行全局搜索，按公式(6)更新鲸鱼位置，返回步骤4.2)；

X(t+1)＝X_rand(t)-A·D (6)

其中，X_rand(t)是从当前鲸鱼群体中随机选取的鲸鱼个体；X(t)是当前的鲸鱼个体位置；X(t+1)表示新鲸鱼个体位置；D为移动步长；A·D是包围距离；

4.7)若p＜0.5，且|A|＜1，鲸鱼处于包围猎物阶段，鲸鱼的目标是猎物位置，即为最优鲸鱼个体位置，将差分变异微扰因子λ引入传统鲸鱼算法中，如公式(7)所示；位置更新公式改进为公式(8)，按公式(8)更新个体位置，返回步骤4.2)；

λ＝F·(X_best(t)-X(t)) (7)

其中，F为变异尺度因子；X_best(t)是当前鲸鱼群体中位置最佳的鲸鱼个体；X(t)是当前的鲸鱼个体位置。

X(t+1)＝X_best(t)-A·D+λ (8)

其中，X_best(t)是当前鲸鱼群体中位置最佳的鲸鱼个体；X(t)是当前的鲸鱼个体位置；X(t+1)表示鲸鱼个体新位置，每次迭代过程中有更优解出现时就需要更新X(t)；D为包围步长；A·D是包围距离；

将差分变异微扰因子λ引入传统鲸鱼算法中，增加鲸鱼种群多样性，尽可能减小选出局部最优解的可能性，使鲸鱼个体更容易跳出局部最优，提高局部寻优精度；

4.8)若p≥0.5，鲸鱼处于攻击猎物阶段，位置更新方式为螺旋更新，对鲸鱼螺旋更新位置的公式进行改进，按改进公式(9)更新鲸鱼个体位置，返回步骤4.2)；

X(t+1)＝D′·(bl)·cos(2πl)+X_best(t) (9)

其中，D′表示当前鲸鱼个体与最佳位置鲸鱼之间的距离；b是常量系数；l是[-1,1]之间的随机数；X_best(t)是当前鲸鱼群体中位置最佳的鲸鱼个体；X(t)是当前的鲸鱼个体位置。