一种基于IFDO-LSSVM的空气质量指数预测方法和装置制造方法及图纸

本发明专利技术涉及一种基于IFDO‑LSSVM的空气质量指数预测方法和装置，首先利用改进的反向学习算法对FDO算法的初始群体进行改进，得到IFDO算法；再利用IFDO算法对LSSVM的参数进行寻优，得到IFDO‑LSSVM算法；经过IFDO‑LSSVM算法寻优之后得到最优参数；再把最优参数代入LSSVM空气质量预测模型中。与现有技术相比，本发明专利技术具有提高LSSVM模型初始种群的质量、加快收敛速度、提高预测精度等优点。

【技术实现步骤摘要】
一种基于IFDO-LSSVM的空气质量指数预测方法和装置
本专利技术涉及机器学习
，尤其是涉及一种基于IFDO-LSSVM的空气质量指数预测方法和装置。
技术介绍
为解决空气污染问题，已采取众多方法。其中，预测空气质量指数的方法是当前研究热点。空气质量指数(AQI)是对空气质量综合评价的无量纲指数，直观地反映一个地方空气质量的好坏。因此，预测空气质量指数是非常有必要的。目前已有许多空气质量指数预测方法。其中，数值模拟法、支持向量机(SVM)被用到空气质量指数预测中是存在一定效果，但计算量大，速度慢。人工神经网络算法在运用到预测空气质量指数中，存在易过拟合、易陷入局部最优的缺点。相比之下，最小二乘支持向量机(LSSVM)具有小样本、较强的泛化能力、计算量小、计算速度快，但存在两个参数：惩罚因子C和核函数半径σ选择盲目，预测精度不高的问题。为此有些研究者用粒子群算法(PSO)、鲸鱼算法(WOA)优化LSSVM进行参数寻优，虽然能够提高LSSVM参数的质量，但这些算法存在收敛速度慢，初始种群质量不好，精度不高的不足。专利本文档来自技高网...

【技术保护点】
1.一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，具体包括以下步骤：/nS1、获取空气质量指数的数据样本集，将所述数据样本集分为训练数据样本集和预测样本集；/nS2、训练数据样本集和预测样本集进行数据预处理；/nS3、设置适应度优化(IFDO)算法的参数，并设置相应的适应度函数，根据改进的反向学习算法筛选出适应度最优的群体作为初始群体，并保存所述初始群体对应的适应度值；/nS4、更新群体中的每个侦查蜂的适应度权重、速度向量和位置；/nS5、计算侦查蜂的适应度值，获取一个随机数，根据适应度值和获取的随机数，更新侦查蜂的速度向量、位置及对应的适应度值；/nS6、检测适应度值是否优...

【技术特征摘要】
1.一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，具体包括以下步骤：
S1、获取空气质量指数的数据样本集，将所述数据样本集分为训练数据样本集和预测样本集；
S2、训练数据样本集和预测样本集进行数据预处理；
S3、设置适应度优化(IFDO)算法的参数，并设置相应的适应度函数，根据改进的反向学习算法筛选出适应度最优的群体作为初始群体，并保存所述初始群体对应的适应度值；
S4、更新群体中的每个侦查蜂的适应度权重、速度向量和位置；
S5、计算侦查蜂的适应度值，获取一个随机数，根据适应度值和获取的随机数，更新侦查蜂的速度向量、位置及对应的适应度值；
S6、检测适应度值是否优于初始的适应度值，若是则保存侦查蜂的速度向量、位置及对应的适应度值，若否则持续更新适应度值；
S7、获取当前迭代次数，判断当前迭代次数是否大于步骤S3预设的参数中的最大迭代次数，若否则转至步骤S4，若是则输出每个群体的位置以及侦查蜂位置的最优解；
S8、获取最小二乘支持向量机(LSSVM)模型，所述最小二乘支持向量机模型将步骤S7中的最优解设置为模型参数，预测样本集输入最小二乘支持向量机模型得到预测结果并输出。


2.根据权利要求1所述的一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，所述步骤S2中数据预处理具体为无量纲处理。


3.根据权利要求1所述的一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，所述步骤S3中适应度优化算法的参数还包括群体数目、优化维数、优化对象的范围、初始速度向量和适应度权重系数。


4.根据权利要求1所述的一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，所述适应度权重的计算公式如下所示：



其中，fw为适应度权重，wf为适应度权重系数，为现有群体中前t次迭代中全局最优解对应的适应度值，xi,tfitness为现有群体中第t次迭代时第i个侦查蜂的位置对应的适应度值。


5.根据权利要求4所述的一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，所述步骤S5中随机数的取值范围为-1～1。


6.根据权利要求5所述的一种基于IFDO-LSSVM的空气质量指数预测方法，其特征在于，所述步骤S5中根据适应度值和随机数来更新侦查蜂的速度向量的公式如下所示：
当fw＝1、fw＝0或xi,tfitness＝0时：
pace＝xi,t*r
当0＜fw＜1且r＜0时：



当0＜fw＜1且r≥0时：



更新侦查蜂的位置的公式如下所示：
xi,t+1＝xi,t+pa...

【专利技术属性】
技术研发人员：胡进才，张菁，吕伟，王大龙，欧阳文安，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31