基本信息:
- 专利标题： 基于改进多元宇宙算法优化极限学习机的负荷预测方法
- 申请号：CN202210103424.5 申请日：2022-01-27
- 公开(公告)号：CN114626573A 公开(公告)日：2022-06-14
- 发明人： 蒋崇颖 , 张勇军 , 胡列豪 , 安禹铮 , 姚蓝霓
- 申请人： 华南理工大学
- 申请人地址： 广东省广州市天河区五山路381号
- 专利权人： 华南理工大学
- 当前专利权人： 华南理工大学
- 当前专利权人地址： 广东省广州市天河区五山路381号
- 代理机构： 广州粤高专利商标代理有限公司
- 代理人： 江裕强
- 主分类号： G06Q10/04
- IPC分类号： G06Q10/04 ; G06Q50/06 ; G06N3/00 ; G06N3/04 ; G06N3/08 ; G06N7/08
摘要：
本发明公开了基于改进多元宇宙算法优化极限学习机的负荷预测方法。所述方法包括以下步骤：根据极限学习机网络的参数，计算所需优化参数的数量，优化参数的目标为宇宙群；初始化多元宇宙优化算法的参数；采用改进的Tent混沌映射方法初始化宇宙种群；计算/更新宇宙的膨胀率；更新宇宙群；通过虫洞随机传送物质；采用指数形式改进传统多元宇宙优化算法的旅行距离率，更新虫洞存在率；采用精英反向学习的方法改进宇宙；如果达到最大迭代次数或满足精度要求则将优化的权值和阈值赋予极限学习机网络，否则返回更新宇宙群。本发明所提基于改进多元宇宙算法优化极限学习机的负荷预测方法具有更好的稳定性、预测精度和泛化能力。
公开/授权文献:
- CN114626573B 基于改进多元宇宙算法优化极限学习机的负荷预测方法 公开/授权日：2024-07-19