[發明專利]基于參數優化的水體pH值預測方法

有效

• 申請號: 202010041934.5
• 申請日: 2020-01-15
• 公開（公告）號: CN111310788B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 陳遠存;郭肇祿;張文生;羅云;譚力江
• 申請（專利權）人: 廣東奧博信息產業股份有限公司
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06N3/006
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

1.基于參數優化的水體pH值預測方法，其特征在于，包括以下步驟：

步驟1，采集水質樣本數據集；

步驟2，對采集的水質樣本數據集進行預處理，然后將采集的水質樣本數據集劃分為訓練數據集和測試數據集；

步驟3，確定梯度提升決策樹的輸入變量和輸出變量；

步驟4，確定梯度提升決策樹所需優化設計的訓練參數；

步驟5，利用改進的鯨魚優化算法對梯度提升決策樹的訓練參數進行優化設計；

步驟6，利用優化設計的梯度提升決策樹實現水體pH值預測；

其中，步驟5所述的利用改進的鯨魚優化算法對梯度提升決策樹的訓練參數進行優化設計，包括以下步驟：

步驟5.1，設置種群規模WSize和最大迭代次數MaxT；

步驟5.2，設置當前迭代次數t＝0；

步驟5.3，隨機產生WSize個候選解組成種群WP＝{X₁,X₂,...,X_i,...,X_WSize}，其中X_i為種群中的第i個候選解，且X_i存儲了梯度提升決策樹所需優化設計的訓練參數；候選解下標i＝1,2,...,WSize；

步驟5.4，設置記憶因子MK_i＝rand(0,1)，其中rand(0,1)表示在[0,1]之間隨機產生實數的函數；

步驟5.5，計算種群中每個候選解的適應值，并在種群中找出適應值最小的候選解保存到最優解XBest；

步驟5.6，設置運動標記mf＝0，然后在[0,1]之間隨機產生一個實數pec；

步驟5.7，如果pec小于0.5，則轉到步驟5.10，否則轉到步驟5.8；

步驟5.8，執行螺旋運動算子(1)得到新候選解NU_i：

NU_i＝|XBest-X_i|×exp(l)×cos(2×π×l)+XBest???(1)

其中，l為[-1,1]之間的隨機實數；π為圓周率；exp表示以自然常數e為底的指數函數；cos表示余弦函數；

步驟5.9，轉到步驟5.17；

步驟5.10，設置運動標記mf＝1；然后按公式(2)計算擾動幅度SR_i：

其中，pr為[0,1]之間的隨機實數；

步驟5.11，按公式(3)計算步長因子AC：

其中ad為收斂因子；

步驟5.12，如果AC的絕對值小于1，則轉到步驟5.13；否則轉到步驟5.15；

步驟5.13，執行包圍運動算子(4)得到新候選解NU_i：

NU_i＝XBest-AC×|2×fr×XBest-X_i|???(4)

其中，fr為[0,1]之間的隨機實數；

步驟5.14，轉到步驟5.17；

步驟5.15，按公式(5)計算跳躍因子LC：

其中，log為以自然常數e為底數的對數函數；

步驟5.16，執行組合跳躍算子(6)得到新候選解NU_i：

其中，WR是短距跳躍值；PR是長距跳躍值；kr為[0,1]之間的隨機實數；DLow為種群中候選解的最小值；DUp為種群中候選解的最大值；

步驟5.17，如果新候選解NU_i的適應值優于X_i的適應值，則在種群中利用新候選解NU_i替換候選解X_i，否則保持候選解X_i不變；

步驟5.18，如果運動標識mf等于1，則轉到步驟5.19，否則轉到步驟5.20；

步驟5.19，如果新候選解NU_i的適應值優于X_i的適應值，則設置記憶因子MK_i＝SR_i，否則保持記憶因子MK_i不變；

步驟5.20，在種群中找出適應值最小的候選解保存到最優解XBest，然后設置當前迭代次數t＝t+1；

步驟5.21，如果當前迭代次數t大于最大迭代次數MaxT，則轉到步驟5.22，否則轉到步驟5.6；

步驟5.22，從最優解XBest中提取梯度提升決策樹的優化設計訓練參數。