BBO優(yōu)化算法在時間序列預測中的應用.pdf

1、BBO(Bio geo graphy-based Optimization,生物地理學優(yōu)化)算法是一種新型的基于群體智能的進化算法，因其良好的全局尋優(yōu)能力和魯棒性，備受國內(nèi)外眾多研究者的關注，目前已廣泛應用于現(xiàn)實生活中的優(yōu)化問題中。時間序列預測與人們生活中許多實際應用息息相關，一直以來都是廣大專家學者們研究的熱點和難點。如何提高工程應用中時間序列的預測精度具有重要的理論價值與實際應用價值?；贓LM(Extreme LearningMa

2、chine，極限學習機)的預測模型已被廣泛應用于工程應用中，并取得了良好的預測性能，ELM方法與優(yōu)化算法的結合理應是提升時間序列預測精度的有利候選者。針對時間序列預測，將BBO優(yōu)化算法用于ELM網(wǎng)絡結構及其參數(shù)的優(yōu)化選取，提出基于BBO算法優(yōu)化ELM的BBO-ELM自適應預測方法。主要研究內(nèi)容有如下幾個方面:
　　(1)研究BBO優(yōu)化算法的基本理論及其數(shù)學模型，把工程應用中的優(yōu)化問題轉化為基于BBO優(yōu)化算法的數(shù)學模型，對該模型的優(yōu)

3、化和具體實現(xiàn)進行深入研究，闡述BBO優(yōu)化算法與其他進化算法的異同點。簡述時間序列預測的基本概念及其建模方法，并在標準混沌時間序列上，對ELM方法的預測性能進行測試，測試結果表明ELM方法對非線性時間序列具有良好的預測能力。
　　(2)針對如何選取時間序列中有效的和必需的歷史信息的關鍵點，研究基于BBO優(yōu)化算法與ELM方法結合的預測模型，優(yōu)化ELM網(wǎng)絡的輸入變量選擇，同時，還通過BBO優(yōu)化選取ELM的隱含層節(jié)點數(shù)目及其參數(shù)（連接權值

4、、偏置和激活函數(shù)）、正則化參數(shù)，得到BBO-ELM方法。在所提出方法的基礎上，引入余弦遷移模型和混沌映射理論分別對其進行改進，得到MCBBO-ELM方法和CBBO-ELM方法。將上述方法與現(xiàn)有的GA-ELM等方法在同等條件下應用于Mackey-Glass混沌時間序列預測中并進行比較，實驗結果顯示BBO-ELM的預測性能得到明顯提升，驗證其有效性。
　　(3)將所提出方法應用于網(wǎng)絡流量預測、風電功率預測和交通流量預測實例中，實驗結果