-
题名基于TSA-DRNN模型的年径流预测研究
被引量：4
- 1
-
-
作者
崔东文
杨琼波
-
机构
云南省文山州水务局
云南省水文水资源局红河分局
-
出处
《华北水利水电大学学报（自然科学版）》
北大核心
2021年第6期35-41,共7页
-
文摘
为了解决深度递归神经网络(DRNN)权值和阈值难以选取的问题,有效提高DRNN径流预测精度,提出了被囊群算法(TSA)与DRNN相融合的预测方法。选取4个标准测试函数对TSA进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较;通过主成分分析(PCA)对数据样本进行降维并构建DRNN_(2)(双隐层DRNN)、DRNN_(3)(三隐层DRNN)、DRNN_(4)(四隐层DRNN)模型,利用TSA优化DRNN权值和阈值,建立了TSA-DRNN_(2)、TSA-DRNN_(3)、TSA-DRNN_(4)径流预测模型,并构建TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型作对比;利用云南省姑老河站年径流预测实例对TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)、TSA-Elman、Elman、DRNN_(2)、DRNN_(3)、DRNN_(4)、TSA-SVM模型进行检验。结果表明:在不同维度条件下,TSA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力;TSA-DRNN_(2)、TSA-DRNN_(3)、TSADRNN_(4)模型对实例年径流预测的平均相对误差分别为3.63%、2.81%、2.50%,预测精度优于TSA-Elman等其他6种模型,且随着隐含层数的增加,预测精度呈提高趋势。TSA-DRNN模型用于径流预测是可行的,模型及DRNN权、阈值优化方法可为相关预测研究提供参考。
-
关键词
径流预测
深度递归神经网络(DRNN)
被囊群算法(tsa)
仿真验证
数据降维
权、阈值优化
-
Keywords
runoff prediction
deep recurrent neural network(DRNN)
tunicate group algorithm(tsa)
simulation verifi-cation
data dimensionality reduction
weight and threshold optimization
-
分类号
P338.2
[天文地球—水文科学]
-
-
题名多策略融合改进的自适应被囊群算法
被引量：1
- 2
-
-
作者
柴岩
李广友
任生
许兆楠
-
机构
辽宁工程技术大学理学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第9期2694-2703,2712,共11页
-
基金
教育部规划基金青年项目(21YJCZH204)
辽宁省自然科学基金资助项目(2020-MS-301)
辽宁省教育厅项目(LJKMZ20220694)。
-
文摘
针对被囊群算法全局搜索不充分和易陷入局部极值等问题,提出一种多策略融合改进的自适应被囊群算法(MITSA)。首先,在种群初始化中引入佳点集理论提升种群多样性;其次,提出一种多精英协同引导机制优化被囊个体位置信息,增大对未知搜索区域的勘探可能性以增强算法全局探索能力;然后将自适应权重因子引入群体行为阶段,动态平衡算法的全局与局部搜索性能;接着,为增强算法的抗停滞能力,采用依概率小波变异策略实现个体动态微调,同时利用贪婪原则保留优异信息助推种群向食物源靠近;最后基于Markov链理论对改进算法的全局收敛性进行分析论证。通过对基准测试函数和CEC2014复杂函数进行数值仿真,实验结果与Wilcoxon秩和检验结果综合验证了MITSA具有优越的收敛精度、稳健的鲁棒性和高维可拓展性。
-
关键词
被囊群算法
佳点集
多精英协同引导
自适应权重
小波变异
-
Keywords
tunicate swarm algorithm(tsa)
good point set
multi-elite collaborative guidance
adaptive weight
wavelet mutation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名莱维飞行和反馈策略的自适应被囊群算法
被引量：8
- 3
-
-
作者
梁建明
何庆
-
机构
贵州大学大数据与信息工程学院
贵州省公共大数据重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第1期68-74,共7页
-
基金
贵州省科技计划项目重大专项项目(黔科合重大专项字[2018]3002)资助
贵州省公共大数据重点实验室开放课题项目(2017BDKFJJ004)资助
+1 种基金
贵州大学培育项目(黔科合平台人才[2017]5788)资助
贵州省科学技术厅项目(黔科合基础[2021]一般335)资助.
-
文摘
针对被囊群算法(TSA)寻优精度低和收敛速度慢等问题,提出基于莱维飞行和反馈策略的自适应被囊群算(LFATSA).首先,通过获取别的被囊动物反馈的信息,减小其自身的不确定性,帮助被囊动物更好的定位食物的位置以及更快的搜索;其次,在被囊群算法的喷射行为中加入莱维飞行机制,能扩大搜索范围,以避免陷入局部最优;最后,采用自适应的权重分配,提高算法对全局搜索和局部搜索能力.通过在6个基准测试函数和CEC2014函数进行仿真实验以及使用Wilcoxon秩和检验方法计算p值来评估优化后的被囊群算法的性能,并与其他的智能优化算法及原算法进行比对,实验结果表明LSATSA具有更好的效果.
-
关键词
被囊群算法
反馈策略
莱维飞行
自适应权重
-
Keywords
tunicate swarm algorithm
group synergy
levy flight
adaptive weight
-
分类号
TP306
[自动化与计算机技术—计算机系统结构]
-
