基于改进灰狼算法优化的支持向量机锌耗预测

摘要：

为了提高生产镀锌板的锌锭需求预测精度,提出了一种基于改进灰狼(Improved Grey Wolf Optimization,IGWO)优化算法的支持向量机回归(Support Vector Regression,SVR)的锌耗预测建模方法.针对传统灰狼优化算法收敛快、易早熟的缺陷,首先采用混沌Tent映射策略初始化种群,增强种群的多样性和分布均匀性;其次引入控制参数的自适应调整策略,以平衡算法的搜索能力和开发能力;最后在位置更新过程中融合差分进化,降低算法误收敛的可能性.采用典型基准测试函数进行仿真实验,结果表明IGWO算法的综合性能优越,寻优能力更佳.基于某钢厂某机组的生产实际数据对锌锭消耗量进行建模预测,利用IGWO算法对SVR进行参数优化(IGWO-SVR),实验结果表明,IGWO-SVR具有更高的预测精度、更好的稳定性和更优的泛化能力.

关键词：支持向量机回归、灰狼优化算法、Tent映射、差分进化、预测建模

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：343-351