基于灰狼算法与套索算法的支持向量机模型在高维数据诊断中的应用

针对传统支持向量机模型对高维数据分类准确率低、计算量大的问题,本研究设计并实现了灰狼算法(GWO)与套索算法(LASSO)相结合的支持向量机模型,即GSL算法,并将其应用到高维数据诊断中。结果表明,利用GSL算法进行高维数据进行分类具有更高的准确率、更小的误差,能选择出性能更优的参数。

基于改进灰狼优化算法的网络流量预测模型

针对传统网络流量预测模型泛化能力弱和准确度低的缺点,提出一种组合小波包分解(WPD)和灰狼横纵多维混沌寻优算法(CCGWO)优化Elman神经网络的短期网络流量预测模型(WPD-CCGWO-ELMAN)。网络流量在小波包的作用下分解成多个频段序列,各子序列通过CCGWO-ELMAN神经网络优化模型进行单步或多步预测处理,然后重构并叠加各预测值,得到未来短时间段内的网络流量值。实验结果表明,该模型具有较好的预测精度和鲁棒性,并能掌握网络流量时间序列的变化规律。

基于群智能算法的车间布局优化

合理的平面布局是充分利用人力资源、提高设备利用率、实现安全高效生产活动的基础。针对船厂车间布局优化问题,提出一种基于Levy飞行灰狼寻优算法的车间布局优化模型。该方法综合考虑车间生产计划、产品加工路线和不同工位的生产能力,以车间总物流距离最短为目标构建车间布局优化函数,利用能够有效开展全局搜索、具有较优收敛精度的Levy飞行灰狼寻优算法求解函数最优值。实现基于生产实际情况建立模型,切实的提高生产效率、降低物流强度、减少工序间停工带料时间,促进船舶企业的数字化生产管理水平的提供,提升船舶企业的生产能力。

改进GWO优化SVM的服务器性能预测

为更加精确地对服务器性能进行评估与预测,提出一种基于差分进化(DE)与灰狼寻优(GWO)相结合的SVM模型(DE-GWO-SVM)。利用灰狼寻优算法(GWO)寻求SVM的最优参数组合惩罚因子C和核函数参数γ,提升SVM算法的预测性能,将DE算法用于生成灰狼寻优算法初始种群的最优值,克服GWO的初始种群随机生成的局限性,使GWO具有更加良好的寻优能力,获取SVM算法的参数组合C和γ的最优解。实验结果表明,相比于传统的SVM、ABCSVM、GWOSVM模型,DEGWOSVM预测模型具有较高的预测精度、良好的稳定性和泛化能力。

基于多位置NWP和门控循环单元的风电功率超短期预测

数值天气预报(NWP)对风电功率超短期预测模型精度有着重要影响。为充分利用NWP信息,考虑多个风电场的空间相关性,提出一种基于多位置NWP和门控循环单元的风电功率超短期预测模型。首先,通过随机森林分析多位置NWP信息对风电场发电功率的重要程度,利用累积贡献率提取NWP中的有效信息,将加权的NWP信息与历史功率数据作为预测模型的输入变量。然后,选取改进的灰狼寻优算法对门控循环单元的参数进行优化,建立多变量时间序列预测模型,进行风电场发电功率的超短期预测。最后,选取中国某风电场的实测数据进行算例分析,验证了所提方法的有效性和可行性。