BBO優(yōu)化算法在時(shí)間序列預(yù)測中的應(yīng)用.pdf

1、BBO(Bio geo graphy-based Optimization,生物地理學(xué)優(yōu)化)算法是一種新型的基于群體智能的進(jìn)化算法，因其良好的全局尋優(yōu)能力和魯棒性，備受國內(nèi)外眾多研究者的關(guān)注，目前已廣泛應(yīng)用于現(xiàn)實(shí)生活中的優(yōu)化問題中。時(shí)間序列預(yù)測與人們生活中許多實(shí)際應(yīng)用息息相關(guān)，一直以來都是廣大專家學(xué)者們研究的熱點(diǎn)和難點(diǎn)。如何提高工程應(yīng)用中時(shí)間序列的預(yù)測精度具有重要的理論價(jià)值與實(shí)際應(yīng)用價(jià)值?；贓LM(Extreme LearningMa

2、chine，極限學(xué)習(xí)機(jī))的預(yù)測模型已被廣泛應(yīng)用于工程應(yīng)用中，并取得了良好的預(yù)測性能，ELM方法與優(yōu)化算法的結(jié)合理應(yīng)是提升時(shí)間序列預(yù)測精度的有利候選者。針對時(shí)間序列預(yù)測，將BBO優(yōu)化算法用于ELM網(wǎng)絡(luò)結(jié)構(gòu)及其參數(shù)的優(yōu)化選取，提出基于BBO算法優(yōu)化ELM的BBO-ELM自適應(yīng)預(yù)測方法。主要研究內(nèi)容有如下幾個(gè)方面:
　　(1)研究BBO優(yōu)化算法的基本理論及其數(shù)學(xué)模型，把工程應(yīng)用中的優(yōu)化問題轉(zhuǎn)化為基于BBO優(yōu)化算法的數(shù)學(xué)模型，對該模型的優(yōu)

3、化和具體實(shí)現(xiàn)進(jìn)行深入研究，闡述BBO優(yōu)化算法與其他進(jìn)化算法的異同點(diǎn)。簡述時(shí)間序列預(yù)測的基本概念及其建模方法，并在標(biāo)準(zhǔn)混沌時(shí)間序列上，對ELM方法的預(yù)測性能進(jìn)行測試，測試結(jié)果表明ELM方法對非線性時(shí)間序列具有良好的預(yù)測能力。
　　(2)針對如何選取時(shí)間序列中有效的和必需的歷史信息的關(guān)鍵點(diǎn)，研究基于BBO優(yōu)化算法與ELM方法結(jié)合的預(yù)測模型，優(yōu)化ELM網(wǎng)絡(luò)的輸入變量選擇，同時(shí)，還通過BBO優(yōu)化選取ELM的隱含層節(jié)點(diǎn)數(shù)目及其參數(shù)（連接權(quán)值

4、、偏置和激活函數(shù)）、正則化參數(shù)，得到BBO-ELM方法。在所提出方法的基礎(chǔ)上，引入余弦遷移模型和混沌映射理論分別對其進(jìn)行改進(jìn)，得到MCBBO-ELM方法和CBBO-ELM方法。將上述方法與現(xiàn)有的GA-ELM等方法在同等條件下應(yīng)用于Mackey-Glass混沌時(shí)間序列預(yù)測中并進(jìn)行比較，實(shí)驗(yàn)結(jié)果顯示BBO-ELM的預(yù)測性能得到明顯提升，驗(yàn)證其有效性。
　　(3)將所提出方法應(yīng)用于網(wǎng)絡(luò)流量預(yù)測、風(fēng)電功率預(yù)測和交通流量預(yù)測實(shí)例中，實(shí)驗(yàn)結(jié)果