[發明專利]基于線性判別分析和IALO-ELM的中長期徑流預測方法及系統

有效

• 申請號: 202110588318.6
• 申請日: 2021-05-28
• 公開（公告）號: CN113435628B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 彭甜;花磊;張楚;孫娜;成佳偉;吳健
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/00;G06N3/126;G06N3/084;G06N3/006
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于線性判別分析和IALO-ELM的中長期徑流預測方法，其特征在于，包括以下步驟：

(1)預先獲取徑流量數據并對數據進行歸一化處理，運用線性判別分析的方法對初始徑流數據進行預報因子選擇；

(2)運用拉丁超立方對初始蟻獅種群初始化，進行蟻獅位置的隨機初始化，開始進行迭代搜索；

(3)將蟻獅原始種群分為p等分，運用多種群方法進行交互和預選機制兩兩對比分析出全局最優路徑；

(4)將Fuch映射引入蟻獅算法中，對局部最優解的鄰域進行混沌遍歷搜索；

(5)建立基于改進蟻獅算法優化的極限學習機模型，利用改進后的蟻獅算法來優化極限學習機的連接權值和閾值；采用訓練好的IALO-ELM模型對測試樣本進行預測。

2.根據權利要求1所述的基于線性判別分析和IALO-ELM的中長期徑流預測方法，所述步驟(1)包括以下步驟：

(11)將獲取的徑流量數據集轉化為散布矩陣，進行數據封裝：

S_i＝∑(x-m_i)(x-m_i)^T,i＝1,2

其中，S_i為計算類內離散度矩陣，x為樣本數據，m_i為數據樣本均值向量，S_w為散布矩陣；

(12)計算散布矩陣的本征向量以及對應的本征值，其中計算本征值的公式為(λE-S_W)＝0，λ為本征值，E為單位矩陣；

(13)將本征向量按本征值大小降序排序，選擇前a個最大的本征值對應的本征向量，組建矩陣即每一列就是一個本征向量；

(14)用本征向量矩陣將樣本變換到新的子空間，完成最后的預報因子選擇。

3.根據權利要求1所述的基于線性判別分析和IALO-ELM的中長期徑流預測方法，所述步驟(2)包括以下步驟：

(21)根據種群個數構造一個s維單位立方體[0，1]^s；

(22)根據初始的種群個數，將每一個一維坐標區間[0，1]都分成N_a等分，將這N_a等分隨機進行排列，并假設這N_a個隨機排列相互獨立；

(23)得到一個N_a×s維的隨機矩陣，將得到N_a的個種群，作為初始種群。

4.根據權利要求1所述的基于線性判別分析和IALO-ELM的中長期徑流預測方法，所述步驟(3)包括以下步驟：

(31)蟻獅種群NP代表著種群的大小；設每一個子種群中蟻獅個體數為c，設子種群中蟻獅個體可表示X＝{X_i,i＝1,2,…,c}，第i只蟻獅在搜索空間中的位置為X_i＝(X_i1，X_i2，…，X_ic)，將種群數分為兩部分其中一部分用局部搜索方式進行測試，計算當前種群個體的適應度值，并找出優秀個體，更新位置；將另一種種群數據插入其中進行數據測試；對每個子種群進行初始化，進行交叉變異的方法，選出精英種群；

(32)初始化螞蟻和蟻獅的位置，計算相應的適應度值并排序，選出其中適應度值最大的蟻獅作為精英蟻獅個體；選取種群搜索空間范圍的決策變量的控制范圍分別為ub、lb，其中ub為決策變量的上界，lb為決策變量的下界；

(33)采用輪盤賭的方法以及利用貪婪選擇的方式對蟻獅進行相關選擇,更新c^t_i和d^t_i的值：

其中，表示第i個螞蟻第t次迭代的最大值、最小值，d_i、c_i表示第i個螞蟻位移的最大值、最小值；表示歸一化的位移；表示第i個螞蟻第t次迭代的隨機位移。