[发明专利]一种基于IFDO-LSSVM的空气质量指数预测方法和装置

权利要求书

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，x_{i,t fitness}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x_{i,t fitness}＝0时：

pace＝x_i,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：

x_i,t+1＝x_i,t+pace

其中，x_i,t+1为第t+1次迭代时第i个侦查蜂的位置，x_i,t为第t次迭代时第i个侦查蜂的位置，为前t次迭代中侦查蜂位置的最优解，r为[-1，1]的随机数，pace为速度向量，根据更新后的侦查蜂的位置通过适应度函数计算对应的适应度值。

7.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S6中持续更新适应度值的具体步骤如下：

S61、根据步骤S4中侦查蜂的速度向量和位置以及步骤S5中计算得到的侦查蜂的速度向量来更新适应度值；

S62、检测步骤S61中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，若否则根据步骤S61中侦查蜂的位置随机生成新的位置，根据新的位置更新适应度值；

S63、检测步骤S62中适应度值是否优于初始的适应度值，若是则保存侦查蜂的位置及对应的适应度值，若否则调整侦查蜂的位置为步骤S4中侦查蜂的位置。