基于双精英进化樽海鞘群算法优化ELM的焦炭价格预测 |
| |
作者姓名: | 朱旭辉 佘孝敏 倪志伟 夏平凡 张琛 |
| |
作者单位: | 1. 合肥工业大学管理学院;2. 合肥工业大学过程优化与智能决策教育部重点实验室;3. 合肥学院人工智能与大数据学院 |
| |
基金项目: | 国家自然科学基金(91546108,71521001);;安徽省自然科学基金(1908085QG298,1908085MG232);;中央高校基本科研业务费专项资金(JZ2019HGTA0053,JZ2019HGBZ0128);;安徽省科技重大专项(201903a05020020); |
| |
摘 要: | 焦炭是焦化企业生产的重要工业原料之一,准确地预测其未来价格趋势对焦化企业制定排产计划具有重要意义。极限学习机(ELM)泛化能力强,计算速度快,适合作为焦炭价格预测的模型,但ELM的预测性能受模型关键参数影响较大,故需对其参数进行优化。基于此,文中提出了基于双精英进化樽海鞘群算法的ELM焦炭价格预测方法。首先,采用Logistic混沌映射、改进的收敛因子、自适应惯性权重和双精英进化机制来改进樽海鞘群算法,提出了双精英进化樽海鞘群算法(MDSSA),提高算法的搜索能力;其次,运用MDSSA优化ELM的连接权值与阈值,找到ELM的最优参数组合,构建MDSSA-ELM焦炭价格预测模型;最后,在8个基准测试函数上测试MDSSA的收敛性能,在实际焦炭价格数据集上对MDSSA-ELM模型的预测性能进行实验,实验结果表明,MDSSA-ELM相比其他方法预测能力更优,MDSSA相比其他群智能算法搜索能力更强,为焦化企业实现焦炭智慧排产提供了有效的预测工具。
|
关 键 词: | 樽海鞘群算法 极限学习机 双精英进化 焦炭价格预测 |
|