【预测模型-ELM预测】基于蝙蝠算法优化极限学习机预测matlab代码
1 简介针对变压器故障的特征,结合变压器油中气体分析法以及三比值法.提出了基于蝙蝠算法改进极限学习机的故障诊断方法.由于输入层与隐含层的权值和阈值是随机产生.传统的极限学习机可能会使隐含层节点过多,训练过程中容易产生过拟合现象.该方法运用蝙蝠算法对极限学习机的输入层与隐含层的权值与阈值进行优化,从而提高模型的稳定性和预测精度.将诊断结果与传统的基于极限学习机故障诊断进行对比,结果表明,基于蝙蝠算法改进极限学习机变压器故障诊断的精度更高.基于 BA优化 ELM 的变压器故障诊断的具体步骤为1)确定 ELM 的拓扑结构。即输入层神经元个数隐含层神经元个数以及输出层神经元个数2)对 ELM 中输入层到隐含层的权值以及阈值进行编码得到初始种群3)解码得到权值和阈值将权值和阈值带入到ELM 的训练网络中使用训练样本进行训练4)训练完成后使用测试样本进行测试将测试样本的期望值和预测值的误差平方和作为适应度函数5)对种群进行选择交叉变异得到新的种群如果满足条件则得出了误差平方和最小的网络权值和阈值如果不满足条件则返回步骤 2)6)将优化后的权值和阈值带入到训练网络中计算隐含层输出矩阵 H 并求解矩阵 H 的 MoorePenrose 广义逆 H7)计算输出层权值β赞HT8)将测试样本带入到模型中进行预测。2 部分代码clc,clear,close allwarning off% BA算法参数maxiter 200; % 迭代次数sizepop 10; % 种群数量% 频率范围popmin1 -1; popmax1 1; % x1 频率popmin2 -1; popmax2 1; % x2 频率Qmin 0.1; % 最小频率Qmax 0.5; % 最大频率A 0.1; % 音量 (不变或者减小)impluse 0.85; % 脉冲率 (不变或增加)Vmin -1; % 最小速度Vmax 1; % 最大速度%% 初始化种群V(j,1)Vmax;endif V(j,1)VminV(j,1)Vmin;end% V--x2if V(j,2)VmaxV(j,2)Vmax;endif V(j,2)VminV(j,2)Vmin;endpop(j,:) pop(j,:) 0.5*V(j,:);% 脉冲率if randimplusepop(j,:) zbest A * randn(1,2);% x1 popmin1 (popmax1-popmin1)*rand;% x2 popmin2 (popmax2-popmin2)*rand;% pop(j,:) [x1,x2];end% x1 越界限制if pop(j,1)popmax1pop(j,1)popmax1;endif pop(j,1)popmin1pop(j,1)popmin1;end% x2 越界限制if pop(j,2)popmax2pop(j,2)popmax2;endif pop(j,2)popmin2pop(j,2)popmin2;end% 适应度更新fitness(j) fun(pop(j,:));% 比较 个体间比较if fitness(j)fitnessgbest(j)fitnessgbest(j) fitness(j);gbest(j,:) pop(j,:);endif fitness(j)bestfitnessbestfitness fitness(j);zbest pop(j,:);endendfitness_iter(i) bestfitness;enddisp(最优解)disp(zbest)fprintf(\n)figure(color,[1,1,1])plot(fitness_iter,ro-,linewidth,2)figure(color,[1,1,1])loglog(fitness_iter,ro-,linewidth,2)axis tight3 仿真结果4 参考文献[1]郑嘉利, 王哲. (2019). 一种基于蝗虫算法和极限学习机的RFID室内定位方法. CN109598320A.[2]陈绍炜等. 基于蝙蝠算法优化ELM的模拟电路故障诊断研究. 电子测量技术 2(2015):138-141.
