买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了基于改进多元宇宙算法优化极限学习机的负荷预测方法。所述方法包括以下步骤：根据极限学习机网络的参数，计算所需优化参数的数量，优化参数的目标为宇宙群；初始化多元宇宙优化算法的参数；采用改进的Tent混沌映射方法初始化宇宙种群；计算更新宇宙的膨胀率；更新宇宙群；通过虫洞随机传送物质；采用指数形式改进传统多元宇宙优化算法的旅行距离率，更新虫洞存在率；采用精英反向学习的方法改进宇宙；如果达到最大迭代次数或满足精度要求则将优化的权值和阈值赋予极限学习机网络，否则返回更新宇宙群。本发明所提基于改进多元宇宙算法优化极限学习机的负荷预测方法具有更好的稳定性、预测精度和泛化能力。

主权项：1.基于改进多元宇宙算法优化极限学习机的负荷预测方法，其特征在于，包括以下步骤：S1、根据所设定的极限学习机网络的参数，计算所需优化参数的数量，优化参数的目标为宇宙群；S2、初始化多元宇宙优化算法的参数；S3、在典型Tent映射的表达式中添加符合beta分布的随机数，采用改进的Tent混沌映射方法初始化宇宙种群，使多元宇宙优化算法得到好的初始解位置；在典型Tent映射的表达式中添加符合beta分布的随机数，采用改进的Tent混沌映射方法初始化宇宙种群，具体如下： 其中，为第i个宇宙的第j维分量添加参数，μ表示混沌系数，μ值越大，混沌性能越优；betarnd为MATLAB中的随机数生成器，用于生成符合beta分布的随机数，q和m为beta分布的均值和方差，q、m0，δ为收缩因子，用于对初始Tent种群进行扰动，μ、δ、q和m的取值范围是0至10中间的任意数；然后对混沌序列进行逆映射，即可得到初始宇宙群个体的位置变量： 其中，为第i个宇宙的第j维分量，也称宇宙位置，ucj和wcj分别为第j维分量的上、下界；S4、计算或更新宇宙的膨胀率；计算更新宇宙的膨胀率，具体如下： 其中，NCUi为第i个宇宙Ui的归一化膨胀率，tk为第k个负荷数据的真实值，tpk为极限学习机网络的预测值，M为训练数据的数量，适度值越小即表示宇宙越优；S5、根据轮盘机制，宇宙拥有的白洞或黑洞转移宇宙物体，更新宇宙群；S6、通过虫洞随机传送物质；S7、采用指数形式改进传统多元宇宙优化算法的旅行距离率KTDR，更新虫洞存在率KWEP；S8、采用精英反向学习的方法改进宇宙，以增加宇宙群的多样性和质量；采用精英反向学习的方法改进宇宙，设每轮迭代更新后的宇宙都是精英个体，对于精英个体和反向精英个体具体如下： 其中，为采用精英反向学习的方法改进后的第i个反向精英个体在第j维的分量，为[0,1]区间内的随机值，ucj和wcj分别为动态边界的下界和上界，动态边界解决了固定边界难以保存搜索经验的问题，有利于减少算法的寻优时间；如果反向精英个体超过边界，利用随机生成的方式将其重置，重置方程如下： 计算精英个体和反向精英个体的膨胀率，保留膨胀率更优的前N个宇宙，将其作为新的宇宙种群参与下一次更新迭代；S9、判断是否达到最大迭代次数或满足精度要求，如果达到最大迭代次数或满足精度要求则将优化的权值和阈值赋予极限学习机网络，否则返回步骤S4。

全文数据：

权利要求：

百度查询： 华南理工大学 基于改进多元宇宙算法优化极限学习机的负荷预测方法