基于改进北方苍鹰优化随机配置网络的网络流量预测模型

网络流量预测作为一种关键技术,能帮助实现网络资源的合理分配、优化网络性能以及提供高效的网络服务。随着网络环境的演变和发展,网络流量的多样性和复杂性增加,为了提高网络流量的预测精度,提出了一种基于改进北方苍鹰优化随机配置网络(CNGO-SCN)的网络流量预测模型。随机配置网络作为一种具有监督机制的增量式模型,在解决大规模数据回归和预测问题方面具有良好的优势。但是,一些超参数的选择影响了随机配置网络的准确性。针对这一问题,利用北方苍鹰算法对影响随机配置网络性能的正则化参数和比例因子进行优化,得到最佳数值。而北方苍鹰算法由于初始种群的随机分布导致种群个体质量不佳,因此引入混沌逻辑映射提升初始解的质量。将优化后的模型应用于英国学术网、欧洲某城市核心网网络流量数据集和合作企业搭建的网络协同制造云平台交换机接口的真实流量数据集,并与多种神经网络模型进行对比,以验证所提模型的网络流量预测能力。实验结果表明,该模型对比其他神经网络模型具有更高的预测精度,在实际应用场景中处理复杂数据时具备更加优秀的预测能力,该模型的预测误差下降了0.9%~99.7%。

基于混沌反馈乌燕鸥优化算法的随机配置网络参数优化

为了解决随机配置网络(stochastic configuration network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm,CFSTOA)的SCN参数优化方法。首先,利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法(sooty tern optimization algorithm,STOA),以增强算法的局部搜索能力,得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后,将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子,从而得到最优的隐含层参数;最后,利用10个基准函数和4个标准回归数据集分别对CFSTOA的性能进行了测试。结果表明,CFSTOA具有更快的收敛速度且不易陷入局部最优,可以提高SCN算法的预测精度和训练速度。

改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题,对其进行改进并进一步与BP神经网络组合,同时有效兼顾滑坡外部影响因子,发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据,验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型,以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明:引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法,可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题;IHHO-BP模型具有更好的泛化能力,可有效提升滑坡位移的预测精度,该组合预测模型具有更好的推广应用价值。

基于改进灰狼算法的电力管廊覆盖优化技术

针对狭长电力管廊环境下无线传感网络覆盖受不规则形状、障碍物及电磁干扰影响导致通信质量降低的问题,构建了基于最低接入速率约束的电力监测覆盖感知模型,提出结合神经元映射和差分进化的改进灰狼覆盖优化算法。首先,通过神经元混沌映射生成均匀的初始种群。然后,利用非线性收敛因子平衡全局和局部搜索能力。最后,引入差分进化算法对灰狼个体进行变异。通过仿真分析对比了不同覆盖优化方法,结果表明:所提算法具有较强的搜索能力,能够在狭长电力管廊环境下显著提高网络的覆盖性能并满足待监测节点的通信需求。

基于改进乌鸦算法优化SCN的TE过程故障诊断

现代化工过程变得越来越复杂,及时准确发现故障显得尤为重要。针对随机配置网络(SCN)泛化能力差、分类准确率低以及乌鸦搜索算法(CSA)寻优能力差等问题,提出了改进乌鸦算法(ICSA)优化随机配置网络的田纳西-伊斯曼(TE)过程故障诊断方法,结合ICSA算法和其它优化算法的寻优对比试验以及优化SCN网络对TE过程中不同故障的分类结果,可以得出,将所提方法应用于TE过程中,可以明显提高不同故障的分类准确率,整个测试集的分类准确率也高达97.6%,具有较好的分类效果,也更符合现代化工生产的需求。

用随机神经网络优化求解改进算法的研究

随机神经网络是一种仿照实际的生物神经网络的生理机制而定义的网络,其网络结构及应用具有自身的特点。在详细讨论了动态随机神经网络求解典型NP优化问题TSP的算法的同时,特别提出了一种有效改进算法,使得参数在简单选取的情况下保证能量函数的下降,在组合优化问题上具有普遍意义,并且在10城市TSP对改进算法进行验证,指出RNN是解决TSP问题的有效途径。

基于改进灰狼算法的庆阳市水资源优化配置

【目的】对传统灰狼算法进行改进,并在甘肃省庆阳市的水资源配置中进行应用。【方法】针对传统灰狼算法易陷入局部最优、收敛速度慢、精度不高等不足,通过Tent混沌序列对群狼位置进行初始化,对灰狼算法中的距离控制参数a和位置更新方程进行优化和改进,并采用8个测试函数对改进灰狼算法进行测试。在此基础上以甘肃省庆阳市为例,分别以2020,2025,2030年为近期、中期和远期规划年,采用改进灰狼算法、传统灰狼算法、传统多目标配置方法,对庆阳市水资源的优化配置进行计算,并对3种方法进行主成分比选。【结果】改进灰狼算法的8个测试函数中有7个函数的最优值明显比传统灰狼算法更接近函数理论极小值;改进灰狼算法的2020,2025,20303个规划年的资源优化配置综合得分分别为0.18,0.69和1.00,其计算结果明显优于相同年份传统灰狼算法和传统多目标配置方法。经过水资源优化配置计算,2020,2025和2030年水资源所对应的经济生产总值分别为1074.46亿、1601.18亿和2196.12亿元,其中2020年的经济生产总值计算值大于《庆阳市十三五经济规划》的目标值1000亿元。【结论】改进灰狼算法在水资源优化配置中具有较好的可行性,可为水资源优化配置模型提供新的优化计算途径。

基于改进灰狼算法的并网型微电网容量优化研究

为了合理配置并网型微电网中各分布式电源的容量,降低微电网的经济成本,对并网型微电网的容量优化配置方法进行了研究。首先,建立了并网型微电网中各单元的数学模型,并提出了微电网的运行策略;其次,综合考虑系统的年均投资成本、年运行维护成本、置换成本、年停电补偿费、年购电费用、年运行收益和设备报废回收效益等因素建立目标函数,并结合微电网的功率平衡约束、设备的运行约束及与主网的交换功率约束来构建并网型微电网的容量优化配置模型;再次,采用改进的灰狼算法对优化模型进行求解;最后,通过仿真分析验证了所提出模型的有效性。

改进时间卷积网络下局域网异常状态预测方法

局域网异常会阻碍网络运行速度,严重时会导致网络瘫痪。为了精准预测局域网是否存在异常,提出一种基于改进时间卷积网络的局域网异常预测方法。组建变分模态分解(Variational Mode Decomposition,VMD)高频噪声分量判定标准,剔除高频分量,将剩余VMD分量叠加重构,去除局域网数据中的噪声。建立局域网异常预测模型,将去噪后的局域网数据特征数值规约到和灰度图像像素值对应的范围内,形成局域网灰度图,并将其输入到改进时间卷积网络结构中训练和模型调优,完成局域网异常预测。经实验测试证明,所提方法可以获取高精度和高效率的局域网异常预测结果,在局域网异常预测领域具有广阔的发展前景。

基于改进灰狼算法的独立微电网容量优化配置

为降低独立微电网的综合发电成本,提高供电可靠性,研究基于改进灰狼优化算法的独立微电网电源容量优化配置方法。针对基本灰狼算法在进化后期由于种群多样性的缺失而易出现局部收敛或算法早熟的问题,提出一种具有全局寻优性能的改进灰狼优化算法。改进算法首先利用Tent混沌序列产生初始种群,以增强种群的多样性;其次,通过对收敛因子设置非线性调整策略来调节算法的全局探索与局部开发之间的平衡,提高算法的收敛性;最后引入柯西变异算子有效降低算法出现早熟收敛的概率,从而全面提高算法的优化性能。在分析风力发电机-光伏组件-蓄电池/柴油发电机独立微电网各发电单元特性的基础上,建立以年均系统成本最小化为目标的独立微电网容量优化配置模型,并利用提出的改进灰狼优化算法对该模型进行优化求解,仿真结果证明该算法具有一定的实用性和鲁棒性。

融合聚类及随机配置网络的短期光伏功率预测

为了降低天气因素对光伏发电功率的输出值预测精度的影响,从聚类分析和信号分解两方面入手,提出了一种融合聚类算法(KDGMM),改进的变分模态分解(VMD)与随机配置网络(SCN)的预测模型。首先通过KDGMM聚类将气象数据划分成晴天、阴天和雨天,针对阴天难以准确预测的问题,采用灰色关联度分析(GRA)选择相似日,其次引入莱维飞行北方苍鹰优化算法(LNGO)优化VMD得到最优参数,从而降低阴天光伏功率的非平稳性。最后构建SCN预测模型对光伏功率数据进行预测,输出其预测结果。通过实验分析,所提方法的均方根误差(RMSE)和平均绝对百分比误差(MAPE)仅为1.44和1.3%,拟合优度指标R^(2)高达0.99,与其他预测方法相比,本文所提方法有较高的预测精度。

改进全局ZOA优化MVMD-SCN的锂电池SOH估算

锂电池健康状态(SOH)的准确估算对电池系统的健康管理起着重要作用,为提高SOH的估算精度,提出一种将参数优化后的多元变分模态分解(MVMD)和随机配置网络(SCN)相结合的SOH估算方法。从锂电池充放电过程中提取多个健康因子(HF)作为SOH估算模型的输入,在斑马优化算法(ZOA)全局阶段引入自适应权重和最优领域波动策略,提高其全局搜索能力,得到改进全局的斑马优化算法(IGZOA),利用它对MVMD和SCN参数进行寻优,最后在9个基准函数测试IGZOA性能,在NASA和CALCE数据集上将所提方法与不同方法进行锂电池SOH的估算对比,结果表明,所提方法的均方根误差和绝对误差的平均值分别为0.84%,0.93%,具有更高的预测精度和泛化性。

考虑谐波源随机过程的配电网络滤波装置优化配置

电力系统中非线性负荷所产生的谐波电流随时间的变化实际上是一种非平稳随机过程。因此文中提出了一种近似的处理方法,将随机过程适当地划分成若干个时间段,每个时段中将各谐波源处理为考虑了谐波源之间的相关性的随机变量。在此基础上,文中提出了一种有源和无源滤波器统一优化配置的机会约束规划模型,给出了用基于随机模拟的遗传算法进行求解的方法。模型以有源和无源滤波器总费用最小为目标,优化其安装地点及参数,并给出一18节点配电系统的算例。算例结果表明,考虑成随机过程后,能更好地合乎配电网的实际情况,使所需费用较小且能有效地抑制谐波。

基于时间敏感网络的列车通信网络实时流量调度优化

随着轨道交通智能化的发展,列车控制与监测产生的高带宽实时数据对列车通信网络提出了更高的要求。时间敏感网络可作为兼具高传输速率、高确定性和高兼容性的下一代列车通信网络解决方案。然而,实现时间敏感网络确定性通信机制的流量门控调度设计难以拓展到实际场景规模。因此,针对车载网络流量特性,提出一种基于改进增量式调度策略和改进灰狼优化算法的列车通信网络流量门控调度生成方法。首先,基于列车通信网络流量和拓扑结构建立门控调度系统模型。然后,为提高调度生成效率,提出了基于增量式调度的单帧简易调度(Single Frame Simple Scheduling,SFSS)策略,弥补了门控调度模型在计算速度方面的不足。其次,为提高灰狼优化算法的寻优性能,引入了粒子群优化算法、Logistic混沌映射策略和反正切函数,提出了改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,改善了实时周期性流量的实时性能和带宽占用。最后,利用SFSS策略和IGWO算法对列车通信网络门控调度系统模型进行测试和求解,通过实验验证所提出调度生成方法的可行性和有效性。实验结果表明,与其他方法相比,提出的门控调度生成方法在计算精度和计算速度方面具有更大的优势,流量调度的平均端到端时延降低为57μs。研究成果能够满足列车通信网络流量调度的需求,可有效地实现时间敏感网络确定性通信在列车中的应用和改善。

基于改进灰狼优化的UWSNs分簇路由算法

针对水下无线传感器网络中存在的严重的能耗问题,提出一种基于改进灰狼优化的UWSNs分簇路由算法,采用改进灰狼优化算法进行迭代更新,保证簇首分布均匀,节约簇首能量,平衡负载.数据传输阶段采用最短路径选择策略,保证多跳传输能耗最小.通过实验分析,该方法能够降低UWSNs能耗,延长网络生命周期.

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R2分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。

一种基于鲸鱼优化算法的网络流量组合预测模型

现代网络流量的自相似性、周期性、混沌性、多尺度性和其他特性使得预测网络流量具有挑战性。因此,该文提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD),结合了随机配置网络(SCNs)对网络流量进行预测。首先,该文对网络流量数据集进行VMD分解,同时引入WOA对VMD分解中分解个数K和惩罚参数α进行优化。其次,利用SCNs模型对分解后得到的分量进行预测,最后,累加每个分量的预测结果,得出最终网络流量预测值。该组合预测模型(WOA-VMD-SCNs)旨在提高网络流量预测的准确性,对实际收集的网络流量数据进行预测,验证本文提出模型的有效性。

改进TLBO算法优化灰色神经网络的ORP预测

在生物氧化提金预处理过程中,由于传统的氧化还原电位预测方法精度不高,该文提出一种改进教与学优化算法(ATLBO)优化灰色神经网络的预测方法。在ATLBO算法中,采用多种群协同学习策略,有效地提高了算法的收敛速度和寻优精度。同时,对各个子种群进行随机交叉操作,大大降低算法陷入局部最优的可能性。运用ATLBO算法优化灰色神经网络(GNN)的参数,并将最优解作为灰色神经网络的输入,对氧化还原电位进行预测。仿真结果表明,与其他预测方法相比,该预测模型能达到较好的预测精度,并且优于其他预测模型。

动态反向搜索更新位置的改进灰狼优化算法

针对灰狼优化算法(GWO)后期收敛速度慢、易陷入局部最优等问题,提出一种动态反向搜索更新位置的改进灰狼优化算法(DAGWO)。该算法在原始的位置更新公式中引入个体历史最优位置引导策略,以加快算法的收敛速度;同时,引入反向搜索因子,该因子依据种群早熟判别指标动态调节自身取值,在算法陷入局部极值时令灰狼个体向整个种群中最差个体方向进行反向搜索,以提高种群跳出局部极值的能力。此外,构造了一种新型局部扰动的非线性收敛因子a,以平衡算法的全局和局部搜索能力。对20个经典测试函数进行仿真实验,结果表明在求解精度、收敛速度和算法的稳定性上,DAGWO算法与标准智能优化算法和其他相关改进算法相比更有优越性。

食物链生态进化算法的改进及其在输电网络规划中的应用

基于食物链生态进化算法各级种群的规模和品质的不同特点,提出了在低级种群和中级种群中分别采取确定式采样选择和比例选择、高级种群不进行选择操作而采用最优保留策略的改进方法,并将其应用于求解输电网络扩展规划问题。所提出的改进方法进一步均衡了食物链生态进化算法的全局搜索和局部搜索能力,改善了其收敛性能。以具备新建(扩建)线路的走廊作为决策变量,并用实数进行编码,缩短了码串长度。通过对18节点系统的计算,得到了已有文献给出的多个全优和局优方案,并获得了其他文献还未给出的四个比较理想的局优方案。采用所提方法对一个实际系统进行了规划,验证了其适应性。