基于分布式鲸鱼优化算法的公共自行车需求量预测方法

摘要

本发明公开了一种基于分布式鲸鱼优化算法的公共自行车需求量预测方法，首先读取原始公共自行车数据集Dataset，存储在HDFS中；初始化RDD数据集和鲸鱼种群Whale，将RDD作map转换处理；根据鲸鱼初始位置值计算出适应度值fitness；根据参数选择鲸鱼捕食的策略；在Spark平台上，根据策略公式更新鲸鱼位置，然后根据公式计算出新的适应度值，并找出最好的值和当前最优值比较，若优于则代替；若满足终止条件则找出最好的鲸鱼的位置，否则回到步骤4；根据所选出的最优特征子集，使用随机森林回归模型和未来的天气数据、时间数据对站点的公共自行车需求进行预测。本发明使用基于分布式鲸鱼优化算法的特征子集优化，应用Spark分布式平台上对其进行优化，提高分类性能和运行效率。