用电大数据环境下的电力负荷预测研究

针对在海量用电数据环境下,如何提高电力负荷预测精度的问题,文中提出了采用人工鱼群优化的极限学习机方法对电力负荷进行预测。对传统的极限学习机和人工鱼群算法的数学模型进行了分析,文中提出采用人工鱼群算法优化极限学习机的初始权值和阈值,将人工鱼群全局寻优之后获得最优个体作为极限学习机的输入权值和隐层阈值,从而提高极限学习机的网络性能。通过仿真实验,将改进的极限学习机与传统的极限学习机进行结果对比分析,发现改进的极限学习机误差更小,验证了文中所提方法在电力负荷预测上的有效性和可行性。     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

IGAPSO-ELM:一种网络安全态势预测模型

针对网络安全态势预测,为提高预测的精确度和预测算法的收敛速度,提出一种改进遗传粒子群算法优化极限学习机(IGAPSO-ELM)的预测方法.首先,改进GAPSO中的惯性权重和学习因子,通过定义动态指数函数使算法在执行的不同阶段实现两种参数自适应;其次,针对GAPSO中人为设定的固定交叉率和变异率,提出一种自适应交叉和变异...     

基于粒子群优化算法的传感器优化部署方法研究

针对目前三维空间传感器部署算法PSO算法存在寻优精度、全局收敛性和收敛速度不能保证的问题,提出了通过惯性权重线性递减策略与动态加速常数自适应策略改进的基于粒子群的WCPSO优化算法,有效地提高了算法的寻优精度和收敛速度。给出了算法的设计方案并进行了来袭路径未知和来袭路径预估情况下的仿真实验,仿真实验结果表明WCPSO算法的优化效果和效率都要优于改进前的PSO算法。     

基于改进极限学习机的数据智能化分析算法设计

针对医疗财务数据的风险,文中提出了一种基于灰狼优化算法改进极限学习机的数据分析方法,实现了对数据风险的精准预测。该算法基于极限学习对数据进行深度挖掘和分析,并在此基础上进行改进,通过灰狼优化算法对极限学习机的权重参数进行优化。通过在真实数据集上与极限学习机进行实验对比,本算法的决定系数R2为0.96,优于极限学习机的0.81,验证了所提算法的有效性。同时,为了进一步验证该文算法的优越性,在实验仿真过程中还与多种机器学习算法进行对比,结果表明文中算法的预测效果更为优越,相比于其中表现最佳的SVM也有了0.06的提升。     

K插值单纯形法核极限学习机的研究

针对核极限学习机高斯核函数参数选优难,影响学习机训练收敛速度和分类精度的问题,该文提出一种K插值单纯形法的核极限学习机算法。把核极限学习机的训练看作一个无约束优化问题,在训练迭代过程中,用Nelder-Mead单纯形法搜索高斯核函数的最优核参数,提高所提算法的分类精度。引入K插值为Nelder-Mead单纯形法提供合适的初值,减少单纯形法的迭代次数,提高了新算法的训练收敛效率。通过在UCI数据集上的仿真实验并与其它算法比较,新算法具有更快的收敛速度和更高的分类精度。     

基于双重改进的鲸鱼优化算法

传统的鲸鱼优化算法(WOA)容易陷入局部最优以及收敛速度慢,针对此问题进行研究,提出了一种改进的鲸鱼优化算法,改进算法首先用非线性收敛因子替换原本使用的收敛因子,改进后的非线性收敛因子可以有效利用在算法中以弥补该算法在计算过程中全局探索与局部开发能力中的缺陷,并且可以加快算法收敛速度;然后在鲸鱼位置更新公式中加入了自适应权重,该策略可以改善算法的寻优精度以及进一步提高收敛速度;最后,在固定参数和不同维度的8个基准测试函数上进行了实验,结果表明,改进后的算法在寻找最优位置的精度和收敛速度对比于传统的鲸鱼算法和其他智能优化算法均有着显著的提高,具有更好的优化效果.     

基于GA-KELM的复杂路面病害分割算法

针对大多数路面裂缝检测算法对坑洼、松散和车辙等复杂病害分割效果一般,适应较差的问题。提出了一种基于训练样本自动选取与改进的核极限学习机相结合的检测方法。首先使用二维Otsu选取训练样本并提取LBP特征和HOG特征。然后采用遗传算法对核极限学习机中随机给定的输入权值和隐含层偏差进行优化。将降维后得到的特征向量作为特征属性对改进的核极限学习机进行训练。最后用训练好的分类器对路面病害进行检测。经实验证明,该算法与对比实验相比分割精度提高了24.8%,运行时间为4.31s 是一种鲁棒性较强的检测方法。     

一种改进的动态改变惯性权重的粒子群算法

惯性权重在粒子群算法中起到重要的作用,综合考虑了影响惯性权重的几种因素,提出基于进化速度、聚集度和相似度的动态改变惯性权重的粒子群算法,实验证明改进算法在收敛率、收敛精度和全局寻优能力方面都优于几种有代表性的动态改变惯性权重的算法.     

一种改进的基于误差最小化的极限学习机

在基于误差最小化的极限学习机（EM_ELM）的基础上,提出了一种改进的基于误差最小化的极限学习机,输入权重和偏置采用递归最小二乘法获得.实验证明,该方法具有更快的学习速度、良好的预测精度和更精简的网络结构.     

基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究

为了提高风电功率预测的准确性，基于信号分解、优化算法和误差修正，提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解（ICEEMDAN）和样本熵原理，对原始功率序列进行分解和重构，得到更适合提取特征的新序列。然后，建立包含Poly核函数、RBF核函数的组合核极限学习机（CKELM）对新的序列进行初步预测，并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法（ICSSA）对其参数进行优化，提升CKELM预测性能。最后将时间卷积网络（TCN）与高效通道注意力机制（ECA）组合搭建为TCCA模型，对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验，结果表明该模型针对风电功率具有较高的预测精度。     

改进蝴蝶算法求解多维复杂函数优化问题

针对蝴蝶优化算法存在的问题,提出一种融合差分变异策略并根据进化代数自适应调整权重的蝴蝶优化算法.首先,在全局搜索阶段引入非线性惯性权重改善蝴蝶位置更新公式,自适应调节算法在不同进化时期的搜索范围和粒度,提高算法的收敛速度与寻优精度;然后通过加入F分布全局自适应随机变异对全局公式进一步改进,提升算法的全局探索遍历性,防止出现低精度早熟现象;最后在局部搜索阶段融入具有判定系数和扰动因子的双向差分变异策略,在不减损种群多样性的同时使蝴蝶个体的探索更具方向性,有利于算法摆脱局部极值点,加快收敛速度.理论分析证明了改进算法的时间复杂度与基本蝴蝶优化算法一致,6种代表性对比算法在CEC 2017基准函数上进行的多种维度测试结果表明,改进算法在求解高维复杂函数优化问题时收敛速度和寻优精度明显优于其它对比算法,维度变化对求解性能的影响更小,寻优性能更好更稳定.     

基于优化极限学习机的变压器故障诊断方法研究

电力变压器的智能故障诊断是推动智能电网发展的主要环节,但传统的单一智能诊断算法无法有效处理变压器大量不完整的故障信息,导致故障诊断准确率低。因此,结合溶解气体分析(DGA)技术,本文提出了一种基于灰狼优化算法优化的混合核极限学习机的变压器故障诊断方法。首先,根据Mercer定理,结合局部径向基核函数和全局多项式核函数,构建了混合核极限学习机模型。其次,可以通过灰狼优化算法对混合核函数的参数进行优化。最后结合实际数据对6种变压器故障数据进行了诊断,诊断准确率为90.02%（普通神经网络仅为77.8%）。此相比如传统的神经网络具有较高的诊断精度。应用混合核函数可以提高KELM的学习能力和泛化能力,以至于提高诊断精度。     

基于极限学习机算法的图书馆读者借阅行为分析

极限学习机算法适应新鲜样本能力强、学习速率快,为此提出基于极限学习机算法分析图书馆读者借阅行为。但是极限学习机算法输入权重与隐层阈值随机确定,行为分析结果随机性强、可靠程度低,所以采用高适应度值遗传算法确定极限学习机算法的输入权值与阈值。高适应度值遗传算法选择算子复制两份适应度值最优个体、复制一份适应度值较优个体作为遗传种群;交叉算子选取2个适应度值最优新个体开始变异操作;确定算法最优输入权值与阈值后,提取读者借阅行为特征作为训练样本,构建图书馆读者借阅行为分析模型,测试样本代入模型得到读者借阅行为分析结果。经测试,所提方法能准确分析出高校学生频繁借阅、少量借阅等图书借阅行为。     

二元裂解算子交替方向乘子法的核极限学习机

凸优化形式的核极限学习机(KELM)具有较高的分类准确率,但用迭代法训练凸优化核极限学习机要较传统核极限学习机的解线性方程法花费更长时间.针对此问题,该文提出一种2元裂解算子交替方向乘子法(BSADMM-KELM)来提高凸优化核极限学习机的训练速度.首先引入2元裂解算子,将求核极限学习机最优解的过程分裂为两个中间算子的优化过程,再通过中间算子的迭代计算而得到原问题的最优解.在22个UCI数据集上所提算法的训练时间较有效集法平均快29倍,较内点法平均快4倍,分类精度亦优于传统的核极限学习机;在大规模数据集上该文算法的训练时间优于传统核极限学习机.     

二元裂解算子交替方向乘子法的核极限学习机

凸优化形式的核极限学习机(KELM)具有较高的分类准确率,但用迭代法训练凸优化核极限学习机要较传统核极限学习机的解线性方程法花费更长时间。针对此问题,该文提出一种2元裂解算子交替方向乘子法(BSADMM-KELM)来提高凸优化核极限学习机的训练速度。首先引入2元裂解算子,将求核极限学习机最优解的过程分裂为两个中间算子的优化过程,再通过中间算子的迭代计算而得到原问题的最优解。在22个UCI数据集上所提算法的训练时间较有效集法平均快29倍,较内点法平均快4倍,分类精度亦优于传统的核极限学习机;在大规模数据集上该文算法的训练时间优于传统核极限学习机。     

TGBA优化核极限学习机的光伏阵列故障诊断

针对核极限学习机(Kernel Extreme Learning Machine,KELM)用于光伏阵列故障诊断时准确率不高的不足,提出了 一种基于 TGBA(Tent Mapping and Gaussian Perturbation Strategy Optimize Bat Algorithm)算法优化核极限学习机的光伏阵列故障诊断方法(TGBA-KELM).首先,建立光伏阵列故障仿真模型,提取光伏阵列故障特征参数;其次,引入Tent映射和高斯扰动策略对蝙蝠算法(Bat Algorithm,BA)进行改进,增加种群多样性,提高了算法的收敛速度和全局寻优能力;再次,利用改进后的蝙蝠算法优化KELM的正则化系数和核函数参数,建立最优的故障诊断模型;最后,采用光伏阵列硬件实验平台收集的故障数据验证了 TGBA-KELM算法的准确性和有效性,并与 ELM(Extreme Learning Machine,ELM)、KELM、BA-KELM、TGBA-ELM、BP(back prop-agation)算法对比,实验结果表明,TGBA-KELM具有更高的故障诊断准确率,可用于光伏阵列故障诊断.     

改进麻雀算法在天波雷达定位中的应用

针对复杂战场环境要求天波雷达快速精准定位的问题，提出一种基于多策略改进麻雀搜索算法的定位模型。首先，使用立方混沌映射、步长因子动态调整、反向学习和混合变异算子对麻雀搜索算法进行改进，形成改进的麻雀搜索算法；然后，采用改进后的麻雀搜索算法寻找混合核极限学习机（HKELM）最优的核函数参数和混合核的权重系数；最后，使用寻优后的HKELM对天波雷达探测到的目标进行定位。结果表明，改进后的麻雀搜索算法在精度上和稳定性上优于用基本麻雀搜索算法改进的HKELM模型和极限学习机（ELM）定位模型，表明了所提算法的有效性。     

基于小生境的鲸鱼优化算法研究

对鲸鱼觅食的现象建模即为鲸鱼优化算法,文章基于鲸鱼的随机搜索、包围捕食、攻击猎物3个阶段提出了一种混沌小生境鲸鱼优化算法(CNWOA)。该算法为了避免随机种群初始化,采用混沌分散策略,快速地找到较优解;在小生境半径的范围内,比对个体的适应度值,运用罚函数于适应度较差的鲸鱼个体提高全局的搜索效率。最后,在4个典型的测试函数基础上,将WOA算法、CNWOA算法和DE算法进行比较,结果发现CNWOA算法在收敛速度及求解精度方面均优于基本鲸鱼算法。