[發(fā)明專利]一種基于遺傳算法改進(jìn)的多模式污染物集成預(yù)報方法

有效

• 申請?zhí)枺?/td>: 201710368411.X
• 申請日: 2017-05-22
• 公開（公告）號: CN107346459B
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計）人: 熊聰聰;鄧雪晨;史艷翠;張賢坤;趙青
• 申請（專利權(quán)）人: 天津科技大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/12;G06N3/08
• 代理公司: 天津盛理知識產(chǎn)權(quán)代理有限公司 12209
• 代理人: 王利文

1.一種基于遺傳算法改進(jìn)的多模式污染物集成預(yù)報方法，其特征在于包括以下步驟：

步驟1、對原始樣本進(jìn)行數(shù)據(jù)整理并處理極大、極小及缺失數(shù)據(jù)；

步驟2、對處理后的樣本進(jìn)行顯著性檢驗，采用偏差、相關(guān)性選取單模式；

步驟3、引入遺傳算子改進(jìn)極限學(xué)習(xí)機；

步驟4：采用極限學(xué)習(xí)機改進(jìn)遺傳算法進(jìn)行大氣污染物集成優(yōu)化預(yù)報；

所述步驟3的具體方法為：設(shè)問題有N維決策變量，則輸入節(jié)點為N+2，種群適應(yīng)度為adapt，隨機數(shù)為random，父代種群為子代種群為輸出節(jié)點為N，W_i＝[W_i1,W_i2,…,W_in]^T∈R_n為初始隨機輸入權(quán)值，b_i＝[b_i1,b_i2,…,b_in]^T∈R_n為初始隨機輸入偏置值，則該極限學(xué)習(xí)機公式為：

所述步驟4的具體方法為：

首先，隨機生成單模式權(quán)重并用實數(shù)編碼組成染色體，形成初始種群；

然后，子種群一部分由遺傳算法通過最優(yōu)保留選擇方式、選擇算術(shù)交叉方式、動態(tài)變異方式的遺傳三算子操作生成下一代種群；子種群另一部分由已經(jīng)訓(xùn)練好的極限學(xué)習(xí)機進(jìn)化機制來生成下一代種群；兩種機制根據(jù)計算得到的種群適應(yīng)度adapt的優(yōu)劣來判斷下一代子種群的分配比例，具體定義規(guī)則如下：

設(shè)問題有N維決策變量，輸入節(jié)點為N+2，種群適應(yīng)度為adapt，隨機數(shù)為random，父代種群為子代種群為輸出節(jié)點為N，則種群適應(yīng)度函數(shù)公式如下：

其中，i為集成預(yù)報成員模式；t為預(yù)報時間點；m為成員個數(shù)；n為一次預(yù)報時間點數(shù)目；E為集成結(jié)果與實際數(shù)據(jù)的均方誤差；W_i,t為第i個成員模式在第t個時間點上的權(quán)重系數(shù)；R_i,t為該污染物第i個成員模式在第t個時間點的預(yù)報值；r_i,t為第i個模式在預(yù)報時間點t的實況值；

根據(jù)兩種方法適應(yīng)度對子種群分配比例p進(jìn)行調(diào)整，兩種算法的適應(yīng)度分別為adapt1和adapt2，子種群分配比例p的計算公式如下：

在本步驟中，迭代終止條件為均方根誤差達(dá)到平衡，迭代到最優(yōu)解不再發(fā)生變化即終止迭代。

2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法改進(jìn)的多模式污染物集成預(yù)報方法，其特征在于：所述步驟1的具體方法為：在分季節(jié)預(yù)報基礎(chǔ)上找到預(yù)報時刻最近30天的歷史數(shù)據(jù)作為訓(xùn)練樣本，使得待集成數(shù)據(jù)所對應(yīng)訓(xùn)練樣本均為滾動更新，每個樣本的實況值為網(wǎng)絡(luò)訓(xùn)練的輸出，輸出層神經(jīng)元為1。

3.根據(jù)權(quán)利要求1所述的一種基于遺傳算法改進(jìn)的多模式污染物集成預(yù)報方法，其特征在于：所述步驟2的具體方法為：針對不同季節(jié)分別進(jìn)行單模式的選取，所用方法在滿足顯著性檢驗基礎(chǔ)上，針對不同模式以及實況值通過相對偏差SD和相關(guān)系數(shù)R進(jìn)行篩選，計算公式如下：

式中，C_P為模式模擬值，C_O為觀測值，表示所有觀測值的平均，σ_o、σ_p分別表示觀測值和模擬值的標(biāo)準(zhǔn)差。