[发明专利]云模型人工蜂群优化的稀土矿区溪水pH值预测方法有效
申请号: | 201510872842.0 | 申请日: | 2015-12-02 |
公开(公告)号: | CN105426920B | 公开(公告)日: | 2018-08-14 |
发明(设计)人: | 郭肇禄;董姗燕;杨火根;刘小生;鄢化彪;刘松华 | 申请(专利权)人: | 江西理工大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/00 |
代理公司: | 赣州凌云专利事务所 36116 | 代理人: | 曾上 |
地址: | 341000 *** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法,利用支持向量机(SVM)来预测稀土矿区溪水的pH值,将SVM的惩罚因子C、径向基核参数g和不敏感损失函数中参数ε编码成人工蜂群算法的个体,设计了基于云模型采样的观察蜂搜索算子,并设计了基于混沌精英反向学习的侦察蜂搜索算子来提高算法的搜索能力;与同类方法相比,本发明能够提高稀土矿区溪水pH值的预测精度。 | ||
搜索关键词: | 模型 人工 蜂群 优化 稀土 矿区 溪水 ph 预测 方法 | ||
【主权项】:
1.一种云模型人工蜂群优化的稀土矿区溪水pH值预测方法,其特征在于:包括以下步骤:步骤1,连续NT天采集稀土矿区需要预测区域的溪水水样,每天检测采集水样的指标:氨氮、总氨、总氮、总磷、硫化物、水温、水流速度、pH值,并将采集到的溪水指标数据作为样本数据集;步骤2,对采集到的稀土矿区溪水指标样本数据集进行归一化处理,并将前70%设置为支持向量机的训练数据集,后30%设置为测试数据集;步骤3,用户初始化参数,所述初始化参数包括用户初始化预测跨度天数RN,种群大小Popsize,最大未更新次数Limit,最大评价次数MAX_FEs;步骤4,当前演化代数t=0,当前评价次数FEs=0,并令支持向量机的待优化参数个数D=3;步骤5,随机产生初始种群
其中:个体下标i=1,2,...,Popsize,并且
为种群Pt中的第i个个体,其随机初始化公式为:
其中下标j=1,2,3;
为种群Pt中的第i个个体,存储了支持向量机的3个待优化参数的值,即
存储了支持向量机的惩罚因子C,
存储了支持向量机的径向基核参数g,
存储了支持向量机的不敏感损失函数中参数ε;rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数,Loj和Upj分别为支持向量机的第j个待优化参数的取值范围的下界和上界;步骤6,计算种群Pt中每个个体
的适应值
其中个体下标i=1,2,...,Popsize,个体
的适应值
的计算方法如下:步骤6.1,令支持向量机的惩罚因子
支持向量机的径向基核参数
支持向量机的不敏感损失函数中参数
步骤6.2,以惩罚因子C、径向基核参数g和不敏感损失函数中参数ε作为支持向量机的训练参数,并以样本数据集的前70%作为训练数据集来训练支持向量机,其中支持向量机的输入变量为归一化的一天的稀土矿区溪水指标数据:氨氮、总氨、总氮、总磷、硫化物、水温、水流速度、pH值;支持向量机的输出为归一化的RN天后的稀土矿区溪水pH值;步骤6.3,将样本数据集的后30%作为测试数据集,然后计算训练好的支持向量机在测试数据集上的均方误差ERi,并令个体
的适应值
步骤7,令种群Pt中所有个体的未更新次数
其中个体下标i=1,2,...,Popsize,并令当前评价次数FEs=FEs+Popsize;步骤8,保存种群Pt中适应值最大的个体为最优个体Bestt;步骤9,雇佣蜂对种群Pt中每个个体
执行搜索操作生成一个新个体
然后在个体
与新个体
之间执行选择操作并更新个体的未更新次数
其中个体下标i=1,2,...,Popsize;步骤10,令优秀个体数量pBestN=max(2,Popsize×r3),实数r3为[0.05,0.2]之间随机产生的一个实数,其中max为取最大值函数;步骤11,按适应值从大到小选择出种群Pt中的前pBestN个个体,并计算前pBestN个个体的平均值得到一个均值个体pBMeanI;步骤12,根据种群Pt中个体的适应值计算每个个体的选择概率;步骤13,观察蜂根据种群Pt中每个体的选择概率选择出个体执行云模型采样搜索操作生成新个体,然后执行选择操作并更新个体的未更新次数,具体步骤如下:步骤13.1,令计数器i=1;步骤13.2,根据种群Pt中每个体的选择概率采用轮盘赌机制选择出个体
并令新个体
步骤13.3,在[1,D]之间随机产生一个正整数RJ;步骤13.4,在[1,Popsize]之间随机产生一个正整数RI1;步骤13.5,令随机权值RK=rand(0,1);步骤13.6,令期望
步骤13.7,令熵
步骤13.8,令超熵He=En/10.0;步骤13.9,以Ex为期望,En为熵,He为超熵,采用正态云发生器产生一个云滴Val,如果云滴Val的值超出了[Loj,Upj]之间的范围,则采用同样的方法重新产生云滴Val,直到云滴Val的值不超出[Loj,Upj]之间的范围,然后令
步骤13.10,计算新个体Ut的适应值Fit(Ut),然后在个体
与新个体Ut之间执行选择操作并更新个体
的未更新次数
步骤13.11,令计数器i=i+1;步骤13.12,如果计数器i小于或等于Popsize,则转到步骤13.2,否则转到步骤14;步骤14,令当前评价次数FEs=FEs+Popsize×2;步骤15,侦察蜂找出种群Pt中未更新次数最大的个体,并标记该个体为
如果个体
的未更新次数小于Limit,则转到步骤16,否则对个体
执行混沌精英反向操作,混沌精英反向操作的具体步骤如下:步骤15.1,令精英种群个体数量EN=Popsize×0.1;步骤15.2,按适应值从大到小选择出种群Pt中的前EN个个体,并将选择出来的EN个个体放入到精英种群EPt中;步骤15.3,按以下公式计算精英种群EPt在每一维上的下界LEAj以及上界UEBj:![]()
其中
为精英种群EPt中的第i个个体,精英个体下标i=1,...,EN,维数下标j=1,...,D;min为取最小值函数,max为取最大值函数;步骤15.4,令中间混沌因子TCK为在[0,1]之间随机产生的一个实数,如果TCK等于0.25,0.50或0.75,则再随机产生直到TCK不等于0.25,0.50或0.75;步骤15.5,令计数器ti=1;步骤15.6,令混沌因子CK=4.0×TCK×(1‑TCK);步骤15.7,令中间混沌因子TCK=CK,并令ti=ti+1;步骤15.8,如果ti大于500则转到步骤15.9,否则转到步骤15.6;步骤15.9,令计数器j=1;步骤15.10,令混沌精英反向个体
步骤15.11,令重置个体
步骤15.12,令
步骤15.13,令RIBj=LEAj+rand(0,1)×(UEBj‑LEAj);步骤15.14,令j=j+1;步骤15.15,如果j大于D则转到步骤15.16,否则转到步骤15.12;步骤15.16,计算混沌精英反向个体CEB和重置个体RIB的适应值,并令当前评价次数FEs=FEs+2;步骤15.17,令个体BetterB为混沌精英反向个体CEB和重置个体RIB两者之间的更优秀者;步骤15.18,用个体BetterB替换种群Pt中的个体
然后转到步骤16;步骤16,保存种群Pt中适应值最大的个体为最优个体Bestt;步骤17,当前演化代数t=t+1;步骤18,重复步骤9至步骤17直至当前评价次数FEs达到MAX_FEs后结束,执行过程中得到的最优个体Bestt即为支持向量机的惩罚因子C、径向基核参数g和不敏感损失函数中参数ε的优化结果,将优化结果作为支持向量机的训练参数,并用训练数据集来训练支持向量机,训练好支持向量机后,将归一化的一天的稀土矿区溪水指标数据:氨氮、总氨、总氮、总磷、硫化物、水温、水流速度、pH值输入到训练好的支持向量机,计算支持向量机的输出即可预测RN天后的稀土矿区溪水pH值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510872842.0/,转载请声明来源钻瓜专利网。