基于改进灰狼算法优化的支持向量机锌耗预测

TP181; 为了提高生产镀锌板的锌锭需求预测精度,提出了一种基于改进灰狼(Improved Grey Wolf Optimization,IGWO)优化算法的支持向量机回归(Support Vector Regression,SVR)的锌耗预测建模方法.针对传统灰狼优化算法收敛快、易早熟的缺陷,首先采用混沌Tent映射策略初始化种群,增强种群的多样性和分布均匀性;其次引入控制参数的自适应调整策略,以平衡算法的搜索能力和开发能力;最后在位置更新过程中融合差分进化,降低算法误收敛的可能性.采用典型基准测试函数进行仿真实验,结果表明IGWO算法的综合性能优越,寻优能力更佳.基于某钢厂某机组的生产实...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 48; no. 3; pp. 343 - 351
Main Authors 张佳琦, 顾幸生
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 01.06.2022
Subjects
支持向量机回归
差分进化
预测建模
Tent映射
灰狼优化算法
Online AccessGet full text

Cover

More Information
Summary:TP181; 为了提高生产镀锌板的锌锭需求预测精度,提出了一种基于改进灰狼(Improved Grey Wolf Optimization,IGWO)优化算法的支持向量机回归(Support Vector Regression,SVR)的锌耗预测建模方法.针对传统灰狼优化算法收敛快、易早熟的缺陷,首先采用混沌Tent映射策略初始化种群,增强种群的多样性和分布均匀性;其次引入控制参数的自适应调整策略,以平衡算法的搜索能力和开发能力;最后在位置更新过程中融合差分进化,降低算法误收敛的可能性.采用典型基准测试函数进行仿真实验,结果表明IGWO算法的综合性能优越,寻优能力更佳.基于某钢厂某机组的生产实际数据对锌锭消耗量进行建模预测,利用IGWO算法对SVR进行参数优化(IGWO-SVR),实验结果表明,IGWO-SVR具有更高的预测精度、更好的稳定性和更优的泛化能力.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20210128001