1 简介
麻 雀 搜 索 算 法 (sparrow search algorithm,SSA)提 出 时 间 是2020年,它 是 根 据 麻 雀 觅 食并逃避捕食者的行为而提出的群智能优化算法。麻雀搜索算法主要模拟了麻雀群觅食的过程。每只麻雀都有3种可能的行为:发现者:搜索食物;加入者:跟随发现 者 觅 食;侦 察 者:警 戒 侦 查。其 中,发 现 者是麻雀中找 到 食 物 较 早 的 个 体,加入者则为其他个体,同时在麻雀种群中还有一定比例的个体进行侦查预警,它们的任务是在发现危险的情况下就放弃食物,选择安全第一。
工业过程常含有显著的非线性,时变等复杂特性,传统的核极限学习机有时无法充分利用数据信息,所建软测量模型预测性能较差.为了提高核极限学习机的泛化能力和预测精度,提出一种麻雀搜索优化的核极限学习机软测量建模方法.通过麻雀搜索算法优化极限学习机的惩罚系数和核宽,得到一组最优超参数;最后将该方法应用于脱丁烷塔过程软测量建模中.仿真结果表明,优化后的核极限学习机模型预测精度有明显的提高,验证了所提方法不仅是可行的,而且具有良好的预测精度和泛化性能.
2 部分代码
3 仿真结果
4 参考文献
[1]马晨佩, 李明辉, 巩强令, & 杨白月. (2021). 基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断. 科学技术与工程, 21(10), 5.
[2]盛晓晨, 史旭东, 熊伟丽. 改进粒子群优化的极限学习机软测量建模方法[J]. 计算机应用研究, 2020, 37(6):5.
部分理论引用网络文献,若有侵权联系博主删除。