1.一種LED壽命的預測方法，包括混合蟻群(ACO)、螢火蟲(GSO)和小波神經網絡(WNN)，其特征在于，所述的方法包括如下步驟：

S1、獲取LED數據，將數據集分為訓練集和測試集；

S2、設置蟻群規N_ACO、最大迭代數T_ACO、信息揮發系數ρ∈[0,1]以及信息素濃度Q；設置核函數參數σ和正則化參數γ的范圍，隨機產生一組參數序列(σ,γ)作為螞蟻的初始位置向量；

S3、計算每個螞蟻個體當前所在位置的適應度值；計算螞蟻當前所處位置j處的信息素濃度，適應度越小，信息素濃度越大，以均方差定義適應度：

S4、通過每只螞蟻的信息素濃度大小，確定螞蟻適應度值最小的位置；進行信息素濃度的迭代更新，將滿足適應度條件f≤f_d的螞蟻位置向量(σ,γ)放入集合X_ACO，直至迭代結束。

S5、設置螢火蟲的種群規模為N_GSO，最大迭代次數T_GSO，將蟻群算法得到的優化的X_ACO初始化螢火蟲N_GSO個蟲子位置，并隨機選擇其它剩余蟲子的位置，每個螢火蟲個體都攜帶了相同的熒光素濃度l_o和感知半徑r_o；

S6、更新螢火蟲的熒光素；

S7、尋找螢火蟲i的鄰居；

S8、確定螢火蟲i移動方向；當鄰居螢火蟲j的熒光素值比螢火蟲i大，且兩只螢火蟲之間的距離在感知范圍r_s之內時，螢火蟲i將以概率p_ij(t)選擇鄰居螢火蟲j，并向鄰居螢火蟲j的方向移動；

S9、進行螢火蟲i位置更新，再進行決策域更新，通過迭代確定各螢火蟲個體極值p_best和最優位置；

S10、將各螢火蟲的個體極值p_best與群體最優位置適應度值g_best比較，當更優時，則將該螢火蟲的最優位置作為群體的最優位置，該螢火蟲的個體極值p_best作為群體極值g_best；檢查是否滿足迭代尋優結束條件，若滿足則結束尋優，求出最優解(σ,γ)；否則，返回S3；

S11、使用S10中的得到最優解(σ,γ)初始化WNN的權值W_k和閾值B，具體參數設定為：

X＝(x₁,x₂,...,x_n)^T為輸入節點的數據輸入；

W_k＝(w_k1,w_k2,...,w_kn)為隱層第k個隱節點與輸入層的連接權重；

W_o＝(w₁,w₂,...,w_k)為輸出層與隱節點的連接權重；

H_o＝(h₁,h₂,...,h_k)為隱層各個隱節點的輸出值；

B＝(b₁,b₂,...,b_k)為隱層各個隱節點的閾值；

b_o為輸出層節點的閾值；

f₁為隱含層的激活函數，

小波母函數表示為：

隱含層輸出為：

式中，b_k,a_k分別為小波基函數的平移因子和伸縮因子；

輸出層為：

O＝f₂(W_oH_o-b₀) (12)

S12、建立優化的WNN模型，對LED壽命進行預測，得到LED燈壽命預測結果。