[发明专利]一种基于混合QPSO-DE寻优预测水质溶氧方法及系统

权利要求书

1.一种基于混合QPSO-DE寻优预测水质溶氧方法，其特征在于，所述方法包括以下步骤：

S001，采集溶解氧数据组成原始数据集；

S002，将原始数据集进行特征提取，得到特征向量；

S003，将特征向量设置为训练数据集；

S004，利用QPSO-DE算法来优化设计支持向量机的参数，并将优化设计得到的支持向量机设置为寻优预测水质溶氧模型；

S005，输入原始数据集到寻优预测水质溶氧模型；

S006，得到水质溶氧预测数据；

在S004中，利用QPSO-DE算法来优化设计支持向量机的参数，并将优化设计得到的支持向量机设置为寻优预测水质溶氧模型的方法为：

步骤一：随机初始化种群，以及设置各类参数值，并直接给当前各个粒子最佳位置以及全局最佳位置赋值；

步骤二：计算平均最优解mbest(G)的值，根据QPSO算法对种群进行更新；

步骤三：根据事先定义好的目标函数f(x)的计算公式，计算出每一个粒子所对应的目标函数值，即适应度值；

步骤四：对每一个粒子的局部最佳位置进行更新，即局部最小化；

步骤五：对全局最佳位置进行更新；

步骤六：对种群中的每一个个体向量进行变异操作，得到变异个体向量V_i,G；

步骤七：对步骤六所得的变异个体V_i,G和个体最佳值P_i,G进行交叉操作，得到试验个体向量U_i,G；

步骤八：对试验个体U_i,G和目标向量X_i,G进行选择操作，得到进入下一代的个体X_i,G+1，对整个种群进行更新；

步骤九：根据事先定义好的目标函数f(x)的计算公式，对更新后的种群重新进行计算，计算出每一个个体粒子所对应的适应值；

步骤十：重复执行步骤二至步骤九，直至当前的迭代次数达到预先设定的最大迭代次数MaxTimes时终止；

步骤十一：通过优化后的支持向量机的参数得到优化后的支持向量机，将优化后的支持向量机作为寻优预测水质溶氧模型；

在步骤六中，对种群中的每一个个体向量进行变异操作的方法为：

首先，对第一阶段中利用QPSO算法获得的个体最优解所在集合中的个体进行两两做差的操作；接着，对所得到的各个差分向量进行缩放操作，并进行加权求和；最后，把加权求和的结果与第一阶段中利用QPSO算法获得的全局最优解进行向量的合成，这样就获得了新的变异个体向量；

对差分向量进行加权求和：

当N＝1时，α(1)＝P_r11-P_r11

当N＝2时，

当N＝2时，

其中，r1l与r2l表示在区间[1,N]上的两个互不相等的随机整数，并且与在第一阶段利用QPSO算法所获得的全局最优解Pg的索引号的互不相同；P_r11以及P_r21是在第一阶段利用QPSO算法所获得的个体最优解中随机选取的两个个体最优解；j＝1,2,…,D代表维数。

2.根据权利要求1所述的一种基于混合QPSO-DE寻优预测水质溶氧方法，其特征在于，将N设定为2；r1、r2、r3以及r4是区间[1,NP]上的四个两两互不相等的整数，并且都与当前的活动指标数i以及在第一阶段利用QPSO算法所获得的全局最优解Pg的索引号的互不相同；对变异个体和原个体进行交叉操作，从而得到试验个体向量；通过标准DE算法，试验个体向量U_i,G，是通过变异个体向量V_i,G以及原种群中的目标向量X_i,G交叉选择所得的；而在QPSO-DE算法中，试验个体向量U_i,G，是通过变异个体向量V_i,G以及第一阶段QPSO算法所得的个体最优解P_i,G交叉选择得到的，G＝1,2,…,MaxTimes，表示当前的迭代次数；其中，rand(j)表示在区间(0,1)上服从均匀分布的随机数，CR表示交叉概率，在区间[0,1]上取值，D表示问题的维数。