[发明专利]基于协同进化算法的大气污染物浓度预测方法

权利要求书

1.基于协同进化算法的大气污染物浓度预测方法，其特征在于,包括以下步骤：

S1、将特征和极限学习机结构编码为两个独立的子种群；

S2、通过特征子种群和极限学习机结构子种群同时进化来预测目标站的污染物浓度；

S3、存储特征子种群和极限学习机结构子种群的预测结果，形成特征组合结果，用于表示于目标站的污染物浓度有关的影响因素。

2.根据权利要求1所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：两个独立的子种群包括特征子种群和极限学习机结构子种群。

3.根据权利要求2所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：特征子种群采用二进制编码方法，特征子种群中的每个特征在初始化时具有相同的被选择或不被选择的概率。

4.根据权利要求2所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：通过矩阵形式的混合编码方法生成极限学习机结构子种群。

5.根据权利要求1所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：在步骤S2中，将极限学习机的均方根误差和平均绝对误差的加权求和作为遗传算法的适应值函数的均方根误差和平均绝对误差的加权求和作为遗传算法的适应值函数。

6.根据权利要求5所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：在步骤S2中，预测目标站的污染物浓度包括以下步骤：

A1、通过极限学习机自适应地调整初始权值和阈值，使适应值函数最小；

A2、利用遗传算法对初始权值和阈值进行优化，使其在另外一个子种群中获得更好的性能；

A3、将得到最佳权值和阈值，并存储起来进行预测。

7.根据权利要求6所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于，均方根误差为：

平均绝对误差为：

8.根据权利要求6所述的基于协同进化算法的大气污染物浓度预测方法，其特征在于：采用轮盘赌方法选择下一代个体，在特征种群和参数种群中的交叉的方式类似，均采用单点交叉，特征种群的变异操作即将个体上某一位置的二进制数取反，如果该基因是“0”，那么它将被“1”替换，反之亦然，在参数种群中，变异操作变化公式如下：

其中α为0-1之间的任意一个小数，为精英染色体，c_i为当前染色体；

采用精英保留策略，两个种群优化终止后，两个精英个体的组合即为最后输出的预测模型。