[发明专利]一种基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法

权利要求书

1.一种基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法，其特征在于，它包括以下步骤：

步骤一：根据斜拉索覆冰的增长规律，选择拉索覆冰关联性较大的影响因素，确定样本数据的训练集和测试集；

步骤二：对样本数据进行数据归一化处理；

步骤三：将归一化后的数据利用交叉验证方法分成若干组，每组数据都作为GRNN预测模型的输入样本，将相对应的覆冰厚度值作为模型的输出值，构建GRNN模型训练样本矩阵；

步骤四：使用GA-WOA优化算法优化GRNN网络算法的光滑因子σ，以训练样本的输出值与实际值的均方差作为适应度函数，以期许的得到最小误差预测模型，该模型为最终训练好的模型；

步骤五：优化GRNN网络的光滑因子，将最新实测得到的影响因素数据和对应的覆冰厚度数据作为测试样本输入到最终训练好的模型进行预测；

通过上述步骤进行斜拉索短期覆冰厚度的预测。

2.根据权利要求1所述的基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法，其特征在于，通过判断条件来不断优化GRNN网络的光滑因子，判断条件为是否达到所设的最大迭代次数。

3.根据权利要求1所述的基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法，其特征在于，步骤一中，选择拉索覆冰关联性较大的影响因素包括选取斜拉索的气象信息和斜拉索的参数信息，在选择时选取近日短期数据信息，所述斜拉索的气象信息数据包含温度、相对湿度、降水量、风速、气压等；斜拉索的参数信息主要包含拉索倾角、直径，采用灰色关联分析得到这些特征参数信息的关联度。

4.根据权利要求3所述的基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法，其特征在于，在选择拉索覆冰关联性较大的影响因素时，采用灰色关联分析得到的若干特征参数信息的关联度，具体采用以下步骤：

1)确定比较对象(评价对象)和参考数列(评价标准)，设评价对象有m个，评价指标有n个，参考数列为x₀＝{x₀(k)|k＝1,2,…,n},比较数列为x_i＝{x_i(k)|k＝1,2,…,n},i＝1,2,…,m；

2)确定各指标值对应的权重，可用层次分析法等确定各指标对应的权重w＝[w₁,…,w_n],其中w_k(k＝1,2,…,n)为第k个评价指标对应的权重；

3)计算灰色关联系数公式：

为比较序列xi对参考数列x0在第k个指标上的关联系数，其中ρ∈[0,1]为分辨系数，其中，称分别为两级最小差及两级最大差；

4)计算灰色加权关联度，灰色加权关联度的计算公式为：

式中：r_i为第i个评价对象对理想对象的灰色加权关联度；w_i第i个评价指标对应的权重；

5)评价分析，根据灰色加权关联度的大小，对各评价对象进行排序，建立评价对象的关联序。

5.根据权利要求1至4其中之一所述的基于GA-WOA-GRNN网络的斜拉索短期覆冰厚度预测方法，其特征在于，在步骤一中，

以斜拉索覆冰厚度作为输出Y_(n)，Y_(n)＝{Y₍₁₎,Y₍₂₎,…Y_(n)}，其因素序列作为输入向量，设为[X_ij]，构建i×j的输入矩阵：