基于遗传算法优化XGBoost模型的地铁乘客出站走行时间预测

地铁乘客出站走行时间的预测是城市交通运行和管理的重要依据,对其进行准确预测有助于缓解地铁拥堵、优化地铁服务和提高乘客满意度。为了准确预测地铁乘客出站走行时间,首先,基于视频分析软件从监控视频中提取了乘客出站时的走行时间和若干特征变量。其次,为了筛选出对走行时间有显著影响的因素,采用相关性分析和最优尺度回归模型进行影响因素分析,并使用遗传算法进行最优特征组合的提取。最终,将提取出的特征作为输入向量,使用极端梯度提升模型(extreme gradient boosting,XGBoost)进行走行时间的预测,并以平均绝对误差等作为评价指标。实验结果表明,本文提出的方法在地铁乘客出站行为预测方面具有较好的效果,平均绝对误差为1.55 s,低于未优化的极端梯度提升模型(1.87 s)、支持向量机(2.03 s)和随机森林(1.96 s)等模型。

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

遗传算法下的滑坡蠕滑位移预测模型研究

滑坡位移预测是预报滑坡灾害的重要依据,以往的滑坡位移预测模型多数为时间序列预测模型、BP神经网络预测模型、Gaussian拟合预测模型以及其他一些非线性预测模型。这些滑坡位移预测模型在建立上缺乏力学理论支撑,对不同力学特性产生的滑坡位移预测分析上没有针对性。文章针对力学特性为重力蠕变型滑坡位移的预测,提出一种基于遗传优化算法的滑坡蠕滑位移非线性预测模型。以鲁家坡滑坡东侧J05监测点的累计水平位移为例,划定测试区域与预测区域进行模型预测分析,并将新模型预测结果与Gaussian拟合预测模型、BP神经网络预测模型预测结果进行对比分析。结果表明,相较于传统预测模型,新模型的预测效果有所提升,有一定的工程价值与实践价值。

基于遗传算法的建筑热阻容模型辨识及室内温度预测

为了准确预测建筑物室内温度,采用集总参数法构建了建筑热阻容(RC)模型,并推导出了相应的微分方程组,使用遗传算法对模型进行了辨识。RC模型测试集温度平均绝对误差为0.14℃,R^(2)为0.99。比较了RC模型与2种黑箱模型对室内温度的预测结果,RC模型预测结果更准确。讨论了灰箱模型和黑箱模型的适用条件,建议根据需求和数据情况并考虑模型的复杂度、预测精度、解释性等因素,选择合适的建模方法。

基于小生境遗传算法与径向基代理模型的短期风电功率预测

为提高短期功率预测精度,以赋予风电被电网资产更大规模消纳的优势,建立一种基于主导特征影响因素和小生境遗传算法改进的径向基代理模型的滚动式短期(0~72 h)风电功率预测模型。首先,基于罚函数和排挤机制的小生境技术对传统基本遗传算法进行改进,以径向基代理模型(RBF)作为建模基础,利用改进后的遗传算法以反传误差极小为目标函数对RBF模型的连接权值进行优化,借助其寻优能力来获取最佳权值,以达成对RBF网络的改进和二次训练;然后,基于主导特征气象因素,结合改进的RBF模型最终建立N-SGA-RBF风电出力预测模型,对风电场连续3日0~72 h输出功率进行预测;最后,对N-SGA-RBF模型、RBF模型以及BP模型做预测结果趋势变化、各采样点绝对/相对误差分布、发电预测预报准确率和合格率的对比。以新疆东部某风电场实测数据进行算例验证分析,仿真结果表明,所建预测模型具有较高的精度。

遗传算法优化的BP神经网络模型在遥感水深反演中的应用

针对传统BP神经网络模型在遥感影像水深反演中存在的缺陷,本文引入主成分分析(PCA)与遗传算法(GA),构建新的GA-BP神经网络模型,该改进模型利用GA对BP神经网络模型的权值与阈值进行优化并将优化值作为BP神经网络模型初始值。将该改进模型用于遥感影像水深反演实验中,结果表明,较单一的BP神经网络模型,该改进模型的收敛速度具有较大提升,水深反演精度也更高。

基于遗传算法优化神经网络的中期负荷预测

针对某地中期电力负荷预测,BP神经网络因其强大的非线性映射能力被广泛应用于负荷预测。但BP算法本身存在一些缺陷,如易陷入局部最小值和较慢的收敛速度。而遗传算法以其优秀的全局搜索能力可以很好地解决这一问题,利用GA的全局优化能力,对BP网络的初始连接权重和偏置值进行系统的调整,从而显著减少了网络在学习过程中落入次优解的可能性,提升了收敛速度。研究结果表明,相较于单一的BP神经网络和其他对比模型,该集成模型在预测精度和稳定性方面均有显著提升。

基于遗传算法与组合优化模型的蔬菜定价和补货决策

蔬菜类商品的销售不仅会受到市场与商品质量的影响,还会受到季节性、天气和供需变化等因素的影响,故其在销售过程的定价与补货决策中会面临许多的挑战。本文则针对蔬菜类商品的定价与补货决策问题,建立逐步回归模型、灰色预测模型和组合优化模型,利用相关系数和遗传算法进行求解。

基于遗传算法和BP神经网络的矿区土壤重金属含量空间分布预测

本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As)含量的空间分布,并与BPNN和反比距离权重法(Inverse distance weighting,IDW)进行了比较。研究结果表明:受采矿活动影响,研究区土壤p H和重金属含量呈显著的空间分异性;GABP复合模型的数据扩增能够有效弥补BPNN对样本数量的依赖,同时结合了地理位置和高程属性,精度评价结果显示GABP模型的平均R^(2)、r、RMSE、MAE分别是IDW和BPNN的3.03倍、2.56倍,2.93倍、2.39倍,0.85倍、0.61倍,0.79倍、0.62倍,预测精度更高。模型解决了传统空间插值方法结果中可能出现负值和边界无法插值的问题,为土壤重金属含量空间分布预测提供了一种新方法。

基于蜣螂优化算法的永磁同步电机模型预测转矩控制

针对永磁同步电机传统控制系统的转速跟踪能力差和抗扰性能弱等问题,提出一种基于蜣螂优化算法的永磁同步电机模型预测转矩控制(DBO-MPTC)策略。建立起基于传统模型预测控制的永磁同步电机离散系统,随后引入蜣螂优化算法参与到控制器参数的在线整定。搭建了基于蜣螂优化算法的预测控制仿真模型,验证所提策略的优越性。仿真结果表明,相较于传统模型预测控制,采用DBO-MPTC控制策略,提高了永磁同步电机的速度响应和抗干扰能力。

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型,模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量,以煤灰流动温度作为输出量,对126组来自中国北部地区的煤灰样数据进行训练与测试,并建立常规BP神经网络模型,研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明:不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力,所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加,虽略微提高模型对训练样本的拟合程度,但也导致验证时过拟合现象的发生,模型对新样本的拟合优度下降。采用SiO_(2),Al_(2)O_(3),Fe_(2)O_(3),CaO,MgO和Na_(2)O+K_(2)O的质量分数6个参数作为输入变量的GA-BP模型最为适合,其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。

基于BP人工神经网络与遗传算法的航速优化

为了进一步提高船舶能耗效率,本文提出一种基于BP人工神经网络与遗传算法的航速优化技术路线。首先,介绍常见油耗模型的构建方法;其次,利用BP人工神经网络建立目标船舶的油耗模型。模型预测的平均绝对误差为2.3%,准确度和泛化能力基本满足工程应用要求。最后,利用遗传算法,并基于历史气象数据对目标船舶的航线做分段航速优化。计算结果表明,航速优化后目标船舶的航行时长不仅能减少1.35天,燃油损耗还可节省10.1%,由此说明对航行船舶做分段航速优化是一种可行方案。

基于多目标遗传算法的屏蔽泵叶轮水力优化

为改善屏蔽泵叶轮综合水力性能,搭建了ANSYS-Workbench与iSIGHT联合优化平台,采用优化拉丁立方设计对叶片骨线、前后盖板及叶缘厚度等共28个备选参数进行敏感性分析.基于各参数对目标函数影响程度,确定叶片前盖板及骨线处等9个参数作为最终优化输入参数,选取Kriging代理模型与非支配排序遗传算法NSGA-Ⅱ对效率及扬程迭代寻优,最终依据不同权重分配给出2种叶片优化方案.通过数值模拟验证,优化方案1与方案2在额定工况下效率分别提升1.98%和2.83%,扬程分别提升15.73 m和13.39 m,运行区间水力外特性均有明显提升.研究结果表明:前盖板参数z 3对效率及扬程影响最大,分别达到-18.99%与-30.10%;使用Kriging代理模型的预测精度最高,总误差E 0值为3.393%;在0.83 Q BEP~1.12 Q BEP运行区间,方案1与方案2的扬程明显高于原方案,方案1在最优流量工况的优化效果最为显著,达13.89%.

基于遗传算法优化LightGBM-XGBoost模型的电力负荷预测

电力负荷短期预测在电网改造、保障电力系统经济运行上具有重要的研究意义。为了提高预测精度,基于误差倒数法,提出了基于遗传算法优化的LightGBM-XGBoost融合模型。基于华南某城市的电力负荷数据,融合模型在测试集上的MAPE值为1.0931%,R2值为0.9843,预测精度相较于单一模型而言得到了较明显的提升,说明了融合模型在电力负荷预测上的有效性。

基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型研究

目的研究基于粒子群优化长短记忆网络算法的有创呼吸机使用量预测模型。方法选取2019年4月至2023年4月医院有创呼吸机使用情况数据,建立基于粒子群优化长短记忆网络(PSO-LSTM)算法的有创呼吸机使用量预测模型,预测全院及重症监护病房(ICU)有创呼吸机每天使用数量。采用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)及均方根误差(RMSE)作为准确性评价指标。结果PSO-LSTM模型预测重症ICU有创呼吸机每天在用量与LSTM模型比较,其MAE值降低41.15%、MAPE值降低50%、RMSE值降低44.36%;PSO-LSTM模型预测全院有创呼吸机每天在用量与LSTM模型比较,MAE值降低81.93%、MAPE值降低83.33%、RMSE值降低79.08%,PSO-LSTM模型预测精度高于LSTM模型。结论PSO-LSTM模型能够准确预测有创呼吸机的每天在用量,为有创呼吸机采购决策提供科学依据,为创建全院呼吸机管理共享中心提供数据分析基础,进一步提升医疗设备精细化管理水平。

基于机器学习和非支配排序遗传算法的盾构姿态预测与优化

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。

基于参数优化随机森林模型的消费行为预测算法

在大数据与线上营销的影响下,零售企业也积极采取大数据智能营销方案。为了提高零售企业在消费行为预测中的精准率,从而提高企业销售额获取更大利润,从消费数据、会员数据和商品数据中通过信息增益的方法提取特征,构建基础特征群,挖掘潜在信息。利用遗传算法对随机森林的参数进行优化,建立基于参数优化的随机森林消费行为预测模型,实验数据来自某线下连锁药店37天的消费记录。将实验模型和原始随机森林模型、决策树模型、支持向量机模型和XGBoost模型进行实验对比,实验结果表明遗传算法参数优化后的随机森林消费行为预测模型的精准率和AUC值均高于其他四种模型。

基于改进遗传算法的配电网储能优化配置方法研究

增加储能设备是配电网解决新能源普及所导致的供电负荷剧烈变化的常用方法,需要从定址和定容两方面来优化配置储能设备。通过分析配电系统中馈线负荷的日内变化特性及与阶梯电价的关联关系,以关联关系作为馈线的遗传属性使其成为遗传个体,在对遗传个体进行编码后,找出线路日内负荷变化最小者为遗传个体,该个体将信息遗传给与其日内变化最接近的馈线后死去,由此产生变异并继续遗传下去,直至遗传个体为几条小于最大容量的馈线为止。仿真结果显示,通过对遗传算法中的生物进化机制做相应的改进,可获得配电网储能利用率最高的配置方案。

基于遗传算法的隔震支座优化设计方法

结合我国现有的结构设计规范,对隔震层支座自动设计问题,结合第三代非支配排序遗传算法制定了隔震支座优化设计方法。提出精细化剪切模型作为本次优化的计算模型,与以往的层剪切模型不同的是,将隔震层的各个隔震支座单独建立,可一次性获得满足偏心率的隔震支座布置方案。上述算法在大型通用有限元软件ABAQUS进行了程序实现。对一个5层的框架隔震结构进行优化设计,结果表明本文提出的方法是有效的,可操作的。

基于遗传算法和分选识别需求的频段驻留时间优化设计

为有效提高信号接收系统前端截获概率并加快系统调试进度,提出了一种基于遗传算法和分选识别需求的频段驻留时间优化设计方法。该方法首先基于窗口函数模型获得前端截获概率计算公式,其次将优化频段驻留时间最大值问题抽象为约束条件下的非线性优化问题,并基于遗传算法进行迭代优化,最后结合辐射源信号正确分选和识别需求优化频段驻留时间最小值,从而得到最优频段驻留时间范围。结果表明,该优化设计方法可实现频段驻留时间范围的最优化,在提高系统前端截获概率的同时可解决现场调试费事费力问题,加快系统调试进度,适用于实际工程应用。