GMDH网络在进出口贸易预测中的应用

随着世界经济一体化的加快，对外进出口贸易在一国经济中发挥越来越重要的作用。进出口贸易影响因素较多，波动性大，一般方法难以准确预测。针对该问题，采用基于PSO优化的GMDH网络预测出口贸易总额，该方法首先根据输入数据特点自适应构造GMDH网络，然后用PSO算法优化GMDH网络权值，最终得到较为精确的预测器。通过仿真结果表明，该方法能够较为准确的预测中国年度进出口贸易总额。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。     

永磁同步电机伺服系统控制最优化方法

永磁同步电机具有强耦合和非线性的特点,其应用环境通常较为复杂且存在干扰,系统稳定性差。传统PI控制方式很难满足控制系统的要求,控制效果不佳。为抑制超调幅度,提高控制精度,提出一种新型粒子群算法,把系统控制精度作为粒子的寻优目标,最优粒子作为最终PI参数,从而对电机进行精确稳定的控制。仿真实验结果表明,粒子群算法的PI控制器使系统具备较好的动静态性能,该研究为伺服控制系统优化设计提供了较强的理论支撑,且应用前景广阔。     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

Application of the combined CFD and swarm intelligence for optimization of baffles number in a mixer-settler

Process optimization in a mixer-settler is of great importance. Optimization algorithm of particle swarm optimization is one of the evolutionary algorithms to solve optimization problem which is used in many fields. In this study, the optimal condition is calculated in finite volume method in terms of the number of baffles, inlet velocity of fluid, and impeller speed in a mixer-settler with a specific dimension that can be extended to industrial dimensions using the PSO algorithm and the numerical solution of Navier-Stokes equations and k-ε standard.     

糖厂澄清工段生产指标建模及操作参数优化

针对亚法糖厂澄清工段清汁色值和清汁残硫量难以在线测量的问题,提出了一种基于人工蜂群优化的在线极限学习机软测量方法。先用核主元分析法确定影响清汁质量的关键参数,建立基于在线极限学习机的软测量模型。同时利用人工蜂群算法对在线极限学习机的隐层参数进行寻优,优化所建模型。最后,使用带约束的粒子群对软测量模型进行优化求解,得到典型工况下的最优操作设定值,为后续工况操作提供参考依据。仿真结果表明,基于人工蜂群优化的在线极限学习机模型能够准确地预测清汁色值和残硫量,同时基于此模型优化的操作参数设定值能够达到期望的指标。     

基于PSO和模糊划分熵的水下图像分割

在水下环境中,由于存在着水体对光线的吸收以及照明不均等原因,水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法,对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术,该算法简单易实现,可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上,根据最大熵原理,利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法,新方法大大减少了计算时间,提高了效率。通过对水下图像处理实验证明,该算法对简单背景的图像分割是有效的,和传统分割方法相比,具有更强的自适应性和抗噪性能。     

优化MGM(1,n)模型及其应用研究

从最小二乘估计的适用条件出发,在建立MGM(1,n)模型前,先采用BoxCox变换对原始数据进行变换,以解决或缓解误差项的正态性偏离问题.首先,以模型拟合平均误差最小化为目标,建立非线性优化模型,在参数的置信区间内,应用PSO(Particle Swarm Optimization)算法求最优解.然后,应用求解得到的参数,建立优化MGM(1,n)模型.在实例分析中,将优化MGM(1,n)模型应用于深基坑围护结构变形预测,实验结果表明通过对原始数据做合适的Box-Cox变换,能够有效提高模型的拟合及预测精度,拓广多变量灰色预测模型的适用范围.     

Improved Bacterial Foraging Optimization Algorithm Based on Fuzzy Control Rule Base

Manual construction of a rule base for a fuzzy system is the hard and time-consuming task that requires expert knowledge. In this paper we proposed a method based on improved bacterial foraging optimization (IBFO), which simulates the foraging behavior of E.coli bacterium, to tune the Gaussian membership functions parameters of an improved Takagi-Sugeno-Kang fuzzy system (C-ITSKFS) rule base. To remove the defect of the low rate of convergence and prematurity, three modifications were produced to the standard bacterial foraging optimization (BFO). As for the low accuracy of finding out all optimal solutions with multi-method functions, the IBFO was performed. In order to demonstrate the performance of the proposed IBFO, multiple comparisons were made among the BFO, particle swarm optimization (PSO), and IBFO by MATLAB simulation. The simulation results show that the IBFO has a superior performance.     

用于彩色目标跟踪的改进粒子群优化算法

提出一种用于彩色目标跟踪的改进粒子群优化算法(Improved Particle Swarm Optimization Algorithms,IP-SOA)。针对彩色目标,选择加权彩色直方图作为目标的特征,选用Bhattacharyya系数作为特征相似性度量,其最大值位置表示目标位置。对粒子群优化算法进行了改进,即自动调整惯性权重函数与认知学习因子,每次递推时对粒子速度、单帧位移总量加以限制,对Bhattacharyya系数优化,快速求取函数最大值位置。利用彩色序列图像进行仿真实验,结果表明,该方法能够实时跟踪飞机、车辆等目标,在目标被部分遮挡时能稳健跟踪。