多策略融合学习萤火虫算法在年径流预测中的应用

摘要

为提高萤火虫算法(FA)的收敛速度和求解精度,提出多策略融合学习萤火虫算法(MSFLFA).该算法为最优萤火虫引入深度学习策略,开展全局搜索,为非最优萤火虫引入随机吸引模型,开展局部开采,兼顾探索和开采平衡,提升收敛速度和寻优精度双目标.为验证MSFLFA性能,基于经典函数测试集进行仿真测试,实验表明,MSFLFA性能优于FA,VSSFA,WSSFA,MFA,CFA,RaFA和ApFA.为扩展MSFLFA应用领域,融合支持向量回归(SVR),建立MSFLFA-SVR径流预测模型.仿真实验表明,与FA-SVR,WSSFA-SVR,MFA-SVR,RaFA-SVR,BP-ANN-SVR和PPR-SVR模型相比,MSFLFA-SVR预测模型具有更高的预测精度.