BBO优化算法在时间序列预测中的应用

摘要

BBO(Bio geo graphy-based Optimization,生物地理学优化)算法是一种新型的基于群体智能的进化算法，因其良好的全局寻优能力和鲁棒性，备受国内外众多研究者的关注，目前已广泛应用于现实生活中的优化问题中。时间序列预测与人们生活中许多实际应用息息相关，一直以来都是广大专家学者们研究的热点和难点。如何提高工程应用中时间序列的预测精度具有重要的理论价值与实际应用价值。基于ELM(Extreme LearningMachine，极限学习机)的预测模型已被广泛应用于工程应用中，并取得了良好的预测性能，ELM方法与优化算法的结合理应是提升时间序列预测精度的有利候选者。针对时间序列预测，将BBO优化算法用于ELM网络结构及其参数的优化选取，提出基于BBO算法优化ELM的BBO-ELM自适应预测方法。主要研究内容有如下几个方面:
　　(1)研究BBO优化算法的基本理论及其数学模型，把工程应用中的优化问题转化为基于BBO优化算法的数学模型，对该模型的优化和具体实现进行深入研究，阐述BBO优化算法与其他进化算法的异同点。简述时间序列预测的基本概念及其建模方法，并在标准混沌时间序列上，对ELM方法的预测性能进行测试，测试结果表明ELM方法对非线性时间序列具有良好的预测能力。
　　(2)针对如何选取时间序列中有效的和必需的历史信息的关键点，研究基于BBO优化算法与ELM方法结合的预测模型，优化ELM网络的输入变量选择，同时，还通过BBO优化选取ELM的隐含层节点数目及其参数（连接权值、偏置和激活函数）、正则化参数，得到BBO-ELM方法。在所提出方法的基础上，引入余弦迁移模型和混沌映射理论分别对其进行改进，得到MCBBO-ELM方法和CBBO-ELM方法。将上述方法与现有的GA-ELM等方法在同等条件下应用于Mackey-Glass混沌时间序列预测中并进行比较，实验结果显示BBO-ELM的预测性能得到明显提升，验证其有效性。
　　(3)将所提出方法应用于网络流量预测、风电功率预测和交通流量预测实例中，实验结果表明，在同等条件下本文方法的收敛速度和预测精度优于对比方法，证实所提出方法的有效性和鲁棒性。

目录

声明

摘要

1 绪论

1．1 论文的选题背景与研究意义

1．2 国内外研究现状

1．3 论文的主要研究内容

2 BBO优化算法与时间序列预测理论

2．1 生物地理学优化算法

2．1．1 生物地理学理论简介

2．1．2 BBO优化算法及其数学模型

2．1．3 BBO优化算法的算法流程

2．1．4 BBO优化算法与其他优化算法的区别

2．2 时间序列预测理论

2．2．1 时间序列的基本概念

2．2．2 时间序列预测模型的构建

2．3 ELM方法

2．3．1 ELM的学习理论

2．3．2 预测实例

2．4 小结

3 基于BBO优化算法优化ELM的BBO-ELM方法

3．1 基于优化算法的0-ELM模型

3．2 BBO-ELM方法

3．2．1 采用余弦迁移模型的MCBBO-ELM方法

3．2．2 引入混沌映射理论的CBBO-ELM方法

3．3 BBO-ELM方法在混沌时间序列中的预测实验

3．4 小结

4 BBO-ELM方法在时间序列预测中的应用

4．1 在网络流量预测中的应用

4．2 在风电功率预测中的应用

4．2．1 实例一

4．2．2 实例二

4．3 在交通流量预测中的应用

4．3．1 实例一

4．3．2 实例二

4．4 小结

结论

致谢

参考文献

攻读学位期间的研究成果