基于改进GWO优化的PID神经网络解耦控制

为解决标准PID神经网络易陷入局部极值,导致控制精度较低的问题,采用改进的灰狼优化算法优化PID神经网络实现解耦控制,通过Circle映射对灰狼算法种群进行初始化,引入最差变异和最优扰动策略,提高算法的全局搜索能力,仿真分析复杂耦合系统,验证改进灰狼算法优化PID神经网络的解耦控制效果。结果表明,与标准灰狼算法优化PID神经网络相比,控制时间缩短了0.004 1 s,提高了网络的自适应和抗干扰能力,可以有效和稳定地解耦。

基于BP神经网络的新冠肺炎疫情病例预测模型

自2019年12月以来,新冠肺炎对人们的生活造成了巨大的影响,因此对于每日的新冠肺炎疫情病例的预测对生产生活具有重要意义。基于此,提出了基于麻雀搜索算法优化BP神经网络的模型(SSABP)对每日的新冠肺炎疫情病例进行预测,并与传统BP神经网络预测模型(BP)和灰狼算法优化BP神经网络的预测模型(GWOBP)进行比较。研究结果表明,SSABP预测模型相较于BP和GWOBP预测模型而言,收敛速度更快,精度更高。SSABP预测模型的平均误差为:0.002,BP和GWOBP预测模型的平均误差分别为:0.032和0.025。综上所述,SSA算法优化BP神经网络预测每日新冠肺炎疫情病例的模型是完全可行的,且预测值与实际值能够较好相符。

改进鲸鱼优化算法的电力负荷短期预测模型

鲸鱼优化算法是一种新兴的智能优化算法,针对其全局搜索能力差,易陷入局部最优等问题,提出了对标准鲸鱼优化算法改进的办法,然后对BP神经网络进行优化,得到一种新型的电力负荷短期预测模型(LWOABP),并通过收集到的电力负荷数据数据对本文建立的预测模型进行训练验证。研究结果表明,改进后的鲸鱼优化算法的预测模型的平均误差为:0.0181,标准鲸鱼算法优化BP神经网络得到的预测模型平均误差为:0.0275,其中前者的最大误差为:0.0272。综上所述,在对传统鲸鱼算法优化后,对于全局搜索能力和收敛性能都有显著的改善;且本文建立的新型电力负荷短期预测模型不仅收敛速度更快,预测结果也更加准确。

改进SSA算法优化BP神经网络的电力负荷预测模型

为提高电力负荷短期预测的精度和稳定性,提出了改进麻雀搜索算法优化BP神经网络的短期负荷预测模型,将麻雀搜索算法中发现者的觅食行为由跳跃式改进为移动式,优化BP神经网络的初始权值和阈值,以某地的电力负荷数据验证预测模型的准确性。结果表明,与标准麻雀搜索算法优化BP神经网络相比,改进麻雀算法优化BP神经网络的预测模型的平均误差降低了4.80%,改进后模型的预测精度更高。

改进的鲸鱼优化算法与图像阈值分割

为解决鲸鱼优化算法全局搜索能力弱和收敛性能差等问题,提出了融合Tent混沌映射的改进鲸鱼算法,将算法中的线性递减策略替换为非线性过渡策略,选取8个测试函数测试改进算法的性能,以图像分割为例验证其工程实用性。结果表明,改进后的鲸鱼优化算法不仅全局搜索能力有所提高,收敛性能显著改善,图像阈值分割结果与大津算法相比的平均误差仅为0.15%,符合工程领域应用的标准。

基于鲸鱼围捕和驱赶策略的改进粒子群算法

针对粒子群算法全局寻优能力差和收敛效率不高的问题,提出了一种结合鲸鱼优化算法中围捕和驱赶策略的粒子群算法,改善粒子群算法的收敛性能,将Levy飞行策略添加至粒子群算法中,提高粒子群算法跳出局部最优的能力。选取12个基准函数测试改进算法的搜索精度和收敛性能,以局部放电信号为例验证改进粒子群算法降噪效果。结果表明,改进算法的全局寻优和局部寻优能力明显提高,降噪效果提升了7.86%,证实了改进后算法在实际工程应用的可行性。