优化灰色模型在负荷预测中的应用研究

针对传统的灰色模型在负荷增长速度较快时预测精度低的问题,提出了采用交叉遗传粒子群优化算法代替最小二乘法来优化GM(1,1)模型中参数a、b的方法;介绍了灰色预测原理及其数学模型、CGPSO算法及基于CGPSO算法的优化灰色模型,并根据实际负荷数据进行了仿真实验。结果表明,在负荷增长速度较快时,优化灰色模型的预测精度明显高于GM(1,1)模型,能够应用于电力系统的中长期负荷预测,拓展了灰色模型的适用范围。     

基于PSO优化的SVM预测应用研究*

支持向量机参数对支持向量机的性能有着重要影响,参数选择问题是支持向量机的重要研究内容。针对此问题,提出一种基于粒子群优化算法的支持向量机参数选择方法。实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

改进PSO算法在主汽温系统PID参数优化中的应用

提出了一种基于改进的粒子群优化（PSO）算法的PID控制器参数整定方法。通过对粒子赋予不同的初始惯性权重,较好地协调了粒子的全局与局部搜索能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明：改进的粒子群算法在保证PID控制稳定性基础上提高了PID控制的精度,且编码简单,易于实现,具有较好的应用前景。     

灰色变异粒子群算法在电力负荷预测中的应用

由于电力负荷量是电力系统发展的基础,因此提高电力负荷量预测的准确性有利于电力系统的快速发展. 本文利用粒子群算法优化参数的良好性能和灰色预测法适合预测不确定因素影响系统的优势,提出了灰色变异粒子群组合预测模型来预测电力负荷量,提高了电力负荷预测的精度,并通过实例对组合预测模型的预测精度和有效性进行了分析. 结果表明,此组合预测模型的精度优于单一的灰色预测模型,且优于其他几种预测算法,该组合模型能很好地预测电力负荷量,为电力系统的决策和发展提供了可靠的科学数据.     

灰色变异粒子群算法在公交客流量预测中的应用

由于公交客流量是公交系统发展规划的基础依据,因此提高公交客流量预测的准确性有利于城市公交的发展。利用粒子群算法优化参数的良好性能和灰色预测法适合预测不确定因素影响系统的优势,提出用灰色变异粒子群组合预测模型来预测公交客流量,提高公交客流量预测精度,并通过实例对组合预测模型的预测精度和有效性进行了分析。结果表明,此组合预测模型的预测精度优于单一的灰色预测模型,也优于其他几种常用预测算法,能很好地预测公交客流量,为公交系统的决策规划提供了可靠的科学数据。     

改进PSO的SVM回归模型及在气温预测中的应用

兰州市气温是一个非平稳序列,具有典型噪声大、不稳定的特征,气温变化越大,越不稳定.为了能够提高支持向量机在气温预测中的预测精度、强化泛化能力和降低参数选择的灵敏度.本文提出了改进的粒子群算法(improved particle swarm optimization, IPSO)优化支持向量机(support vector machine, SVM)的气温预测模型.首先在粒子群算法(particle swarm optimization, PSO)中引入了自适应惯性权重以提高PSO算法的全局寻优能力和局部开发能力,其次利用改进的IPSO算法优化SVM的惩罚因子和核函数参数,将优化后的模型(IPSO-SVM)应用于气温预测中.以兰州地面观测站点实际数据作为样本数据,运用Matlab实验工具进行训练和预测,实验结果表明,本文IPSO-SVM模型相比于BP, SVM, GRID-SVM, GWO-SVM, ABC-SVM, ACO-SVM模型具有更强的泛化能力,更好的拟合度,可以更加准确地预测气温的变化,进一步验证了该模型在气温预测方面的可行性.     

基于PSO优化SVM的船舶流量预测算法

通过对上海洋山深水港口的船舶流量的调研以及对船舶交通流量影响因素的分析,建立支持向量机预测模型。同时为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法进行参数优化,建立较优的PSO-SVM预测模型。通过MATLAB仿真实验计算,将PSO-SVM模型与单纯的SVM预测模型和灰色神经网络预测模型结果进行对比分析,证明了该模型的可行性和优越性。     

灰色预测和混沌PSO的红外小目标检测

在分析红外图像弱小目标和背景特征的基础上,提出了一种基于灰色预测和混沌PSO的红外小目标检测方法.该方法首先采用灰色系统理论中的GM(1.1)模型对红外图像中的背景进行时域预测,并用实际图像减去预测图像得到残差图像,在抑制背景的同时增强了目标;然后提出了混沌粒子群优化(particle swarm optimizati...     

基于PSO的电容生产工序参数优化

粒子群优化算法是一种基于群智能理论的仿生全局优化方法。该文在对粒子群算法进行研究的基础上,将其应用于解决流程型生产企业的生产过程工艺参数优化。在建立实际生产线模型的基础上,提出了多目标优化策略。仿真结果表明利润、均衡度和库存费均达到一个满意的结果。     

灰色变异粒子群在铁路解编量预测中的应用

为了科学准确地对铁路解编作业量进行预测,基于变异粒子群算法优化参数的良好性能和灰色预测法对不确定因素影响的系统准确预测的优点,提出了一种灰色变异粒子群组合预测模型,对铁路解编作业量进行准确地预测。并通过实例分析了模型的预测精度和可行性,且与传统的灰色预测模型进行比较。结果表明,灰色变异粒子群组合预测模型对铁路解编作业量预测明显优于传统的灰色预测模型。运用该模型预测未来铁路的解编作业量,以对铁路编组站进行合理编制和检查运营计划,从而为编组站规划和设计提供理论依据。     

灰色系统理论在专利预测分析上的研究及应用

专利预测是一个复杂的非线性过程,因此使用传统的预测方法很难对其进行有效的预测。本文利用灰色系统理论,克服了数据缺乏,影响因子非线性程度高的困难,建立了适用于专利趋势预测的预测模型,并利用MATLAB和VB实现了该模型,并以实例进行了检验,结果表明了该方法的可行性和有效性。     

基于PSO和SVM的发酵过程建模与优化控制

针对微生物发酵过程的建模与优化控制问题,利用支持向量机理论进行发酵过程的建模,并提出采用粒子群优化算法对支持向量机建模过程中的重要参数进行优化调整.仿真结果表明参数优化调整后得到的模型能取得更好的预测效果.同时基于此模型,在补料分批发酵控制过程中采用粒子群优化算法对补料速率进行优化控制,仿真结果表明,该方法能够提高最终的产物合成量.     

模糊灰色认知网络的建模方法及应用

针对具有不确定性非线性系统的机理模型难以建立的问题,提出了基于模糊灰色认知网络（Fuzzy grey cognitive networks,FGCN）的非线性系统建模方法.该方法将模糊认知网络和灰色系统理论相结合,把模糊认知网络的节点状态值和权值扩展为灰色区间,引入灰度来评判可靠性.采用一种带终端约束的非线性Hebbian学习算法（Nonlinear hebbian learning,NHL）辨识FGCN的模型参数,引入了与FGCN模型中节点的系统实际测量值对应的灰数值,在更新机制中增加了包含系统测量值与预测值之差的修正项,对权值进行有监督的修正.利用水箱控制系统进行的仿真实验结果表明,本文提出的建模方法能解决对数据存在不确定性或缺失的复杂系统建模的难题,所建的模型能做出接近人类智能的控制决策,所采用的权值学习方法具有收敛速度快、学习结果精准等优点,并克服了传统非线性Hebbian算法对初始值依赖性强的缺点,对不确定性系统的建模具有广泛适用性.     

基于灰色理论的顺序注射成型工艺参数优化

汽车保险杠是大型薄壁塑件,采用传统注射成型很难消除其表面的熔接痕,热流道顺序注塑是解决熔接痕,提高表面质量的一种很好的成型方法。以汽车保险杠为例,采用针阀式浇口,5点进浇,可以使熔接痕控制在产品边缘,但是其翘曲度偏大。根据分析,翘曲度的大小与针阀开启时机密切相关,以保压过程中的压力和针阀开启时刻为主要因素进行正交实验。运用灰色理论,计算出各试验的灰色关联度,并通过极差分析,获取最佳工艺参数值组合。将该最优参数组合在Moldflow软件中进行验证,该产品3个方向的最大翘曲度分别为0.973%,1.12%,1.33%,都小于1.5%,满足生产要求,这种热流道顺序注射成型方法成功的解决了塑件熔接痕的问题,同时对针阀开启时机的优化成功的控制了塑件的翘曲度的大小,这种成型优化方法可以在实际的生产中进行推广应用。     

多子种群微粒群免疫算法及其在函数优化中应用

为克服基本微粒群算法的早熟问题,借鉴多子种群和自适应的思想,提出了基于两层模型的多子种群自适应多态杂交微粒群免疫算法.该算法首先通过对若干个子种群进行低层自适应多态杂交微粒群操作,改善了子种群的多样性,有效抑制了收敛过程中的早熟停滞现象;然后通过高层免疫克隆选择操作,显著地提高了全局寻优能力,进一步提高了收敛精度.针对函数优化的仿真结果表明:与其他改进微粒群算法相比,该算法具有更快的收敛速度和更高的求解精度,尤其适合高维及多模态优化问题的求解.     

流程建模和优化在MIS分析中的应用研究

分析了管理信息系统分析中流程建模和优化的重要性；提出了系统分析中流程建模和优化的思路和方法；对实现事件过程链模型向数据流程图和数据字典转换过程中应遵循的原则进行了探讨；并将该研究结果应用在某检察院业务管理信息系统的开发过程中。     

有色同步网及其在工作流过程建模中的应用

结合有色Petri网相关理论,提出有色同步网的概念,并应用其建立一个工作流过程模型——有色逻辑网（CL_net）。通过一个具体实例介绍了使用有色逻辑网模型描述业务流程的方法,同时采用绘制可达图的方法分析了业务流程的合理性,进一步说明了模型的实用性和可推广性。     

改进粒子群算法及其对热连轧机负荷分配优化的研究

提出一种基于适应度方差的权重梯度方向变异的改进粒子群优化算法（IPSO）,通过判断适应度方差,按照权重梯度方向进行变异操作,解决了PSO算法的早熟收敛和易于陷入局部极值的问题.应用IPSO算法对精轧机组负荷分配进行优化,根据负荷分配优化策略,给出综合板形板厚的最小方差目标函数,在实现各机架负荷分配优化的同时,提高板形质量.仿真结果表明,该算法计算精度高,收敛速度快,为精轧机组轧制规程的智能优化设计提供了一种新的有效方法.     

一种改进的粒子群算法在协商优化中的应用

在双边多议题协商模型的基础上提出一个消解协商僵局的数学模型,并对标准粒子群算法(PSO)的进化方程进行了改进,以确保粒子在一个超平面上移动。使用该种改进的算法(IPSO)对模型进行求解,优化了协商议题的保留值向量,达到了消解僵局的目的。实验结果表明IPSO比PSO具有更好的性能,减少了最优搜索时间,提高了协商成功率。