qq_15112659的博客

原创 BP+LSTM+NSGAII多目标优化

原创 基于Q学习优化极限学习机(ELM)的边坡稳定性预测

原创 灰狼优化算法求解速冻食品冷链配送路径优化问题

路线 1: 0 -> 15 -> 20 -> 17 -> 13 -> 14 -> 6 -> 10 -> 0。路线 2: 0 -> 3 -> 8 -> 11 -> 16 -> 18 -> 19 -> 12 -> 0。路线 3: 0 -> 9 -> 5 -> 2 -> 1 -> 7 -> 4 -> 0。路线距离: 109.92 km, 载重: 2.90 吨。路线距离: 105.70 km, 载重: 2.31 吨。路线距离: 90.77 km, 载重: 2.92 吨。惩罚成本: 1353.81 元。

原创 基于遗传算法优化BP神经网络的边坡稳定性预测

GA-BP - 训练集 RMSE: 0.1658, MAE: 0.1137, R²: 0.9266, MRE: 8.91%标准BP - 训练集 RMSE: 0.2216, MAE: 0.1771, R²: 0.8690, MRE: 14.10%========== GA-BP测试集部分预测结果 ==========性能提升: RMSE改善 25.16%, R²提升 6.63%========== 性能指标 ==========

原创 考虑天气因素的短期电力负荷预测研究 - 贝叶斯优化深度学习模型对比

模型 RMSE(kW) MAE(kW) MAPE(%) R²。模型 RMSE(kW) MAE(kW) MAPE(%) R²。贝叶斯优化模型评估结果 ====================

原创 考虑气象因素的短期电力负荷预测研究 - 贝叶斯优化

=================== 贝叶斯优化模型评估结果 ====================模型 RMSE MAE MAPE(%) R²。模型 RMSE MAE MAPE(%) R²。

原创 基于组合赋权-改进可拓云模型的磷矿山岩性巷道围岩稳定性评价

本文分析了五个断面的云熵稳定性评估结果。断面D1（2.3561）为I级极稳定，D2（2.6552）为II级稳定，D3（3.1626）和D5（3.3877）为II-III级过渡状态，D4（3.6959）为III级一般稳定。根据评估结果，建议对D1-D2采用锚喷网支护；D3-D4采用初喷、长锚杆锚网喷+长锚索支护；极不稳定的D5采用锚杆、锚索配合金属网结合初期喷浆与超前小导管注浆的综合支护方案。置信系数范围在0.0005-0.0055之间，显示评估结果具有较高可靠性。

原创 基于RSM-IGWO的柔性电路喷墨打印工艺优化 - 多算法对比分析

R² = 0.9928, 调整R² = 0.9836, 预测R² = 0.9110, F统计量 = 107.84。R² = 0.9905, 调整R² = 0.9783, 预测R² = 0.8906, F统计量 = 81.05。========== 基于RSM-IGWO的柔性电路喷墨打印工艺优化 ==================== 复现完成 ==========失拟项 2.1789 5.0000 0.1738。7. 统计检验（Wilcoxon秩和检验）...

原创 基于BP神经网络-多模态多目标优化的喷墨打印纳米银导线工艺参数优化

第 100/100 代完成，当前最佳: 电阻=29.354Ω, 线宽=82.232μm。第 60/100 代完成，当前最佳: 电阻=29.354Ω, 线宽=82.232μm。线宽: 预测值=116.911μm, 实验值=97.403μm, 误差=16.69%=== 2. 多输入多输出BP神经网络模型建立 ====== 6. 不同倾斜角度性能对比 ====== 1. 正交试验数据分析 ====== 3. 神经网络模型分析 ====== 4. 多模态多目标优化 ===

原创 基于HHO-LSSVM算法的电容式力传感器温度补偿

灵敏度温度系数 (/°C) 2.028e-02 1.284e-03 15.8。零位误差系数 (/°C) 1.235e-02 1.045e-03 11.8。指标 补偿前 补偿后 改善倍数。温度附加误差 (%) 85.185 5.393 15.8。=== 温度补偿效果对比总结 ===

原创 HHO优化孪生核极限学习机（HHO-TKELM）多输入回归预测

原创 灰狼优化算法(GWO)改进LightGBM - 光伏功率预测

训练集 0.3570 19.49 0.7966 0.9969 18.0582。数据集 MAE(MW) MAPE(%) RMSE(MW) R² RPD。========== GWO-LightGBM光伏功率预测结果汇总 ==================== 生成可视化结果 ==================== 模型预测 ==================== 性能评估 ==========R² > 0.9: 模型拟合效果优秀。

原创 灰狼优化算法(GWO)改进物理信息神经网络(PINN) - 光伏功率预测

模型/指标 MAE(MW) MAPE(%) RMSE(MW) R²。========== 训练GWO-PINN模型 ==================== 模型性能对比 ==========GWO迭代 100, 最佳损失: 80.1999。GWO迭代 50, 最佳损失: 80.9249。GWO-PINN训练完成，耗时: 50.07秒。训练天数: 30天 (前2880个样本)GWO最佳适应度: 80.199946。测试天数: 1天 (后96个样本)样本数量: 2976。

原创 基于二维云模型的油气管道环焊缝失效风险评价方法

摘要：基于权重分析，管材性能(B)影响最大(35.12%)。风险云特征显示，焊缝缺陷(A)和管理水平(D)风险较高。综合风险云特征为Ex=(4.54,5.05)，与III级风险相近度最高(1.0000)，判定为"经修复后可容忍"风险等级。失效可能性为"可能发生"，后果为"较大事故"。该评估表明系统存在显著风险，需采取修复措施以确保安全。

原创 基于鲹鱼优化算法(GTO)优化Canopy聚类

GTO-Canopy + K-means轮廓系数: 0.7342。最优参数: T1 = 2.8286, T2 = 2.0064。Canopy聚类轮廓系数: 0.8348。

原创 石菖蒲质量评价：多指标定量联合化学模式识别（PCA、FA、OPLS-DA）

原创 贝叶斯优化Transformer多输入回归预测

参数: Heads=2, KeyChannels=58, LR=0.001224, Batch=124, FC1=127, FC2=16 -> ValRMSE=0.7514。参数: Heads=7, KeyChannels=336, LR=0.000521, Batch=16, FC1=93, FC2=114 -> ValRMSE=0.4858。

原创 PSO优化的Kmeans++聚类算法 - 用户用电行为分析

PSO-Kmeans优化完成！聚类 3: 100个用户 (25.2%)=== 各聚类用电行为特征分析 ===• 日负荷波动: 0.38 kW。• 日负荷波动: 0.24 kW。• 日负荷波动: 0.79 kW。• 日负荷波动: 0.80 kW。• 平均负荷: 0.18 kW。• 峰值负荷: 0.39 kW。• 平均负荷: 0.08 kW。• 峰值负荷: 0.25 kW。• 平均负荷: 0.29 kW。• 峰值负荷: 0.79 kW。• 平均负荷: 0.35 kW。• 峰值负荷: 0.79 kW。

原创 改进SLP和SSA在车间布局优化设计中的应用

代数: 120, 最佳适应度: 18641.2037, F1: 83855.38, F2: 38.88, 重叠: 2。代数: 150, 最佳适应度: 18641.2037, F1: 83855.38, F2: 38.88, 重叠: 2。代数: 180, 最佳适应度: 18641.2037, F1: 83855.38, F2: 38.88, 重叠: 2。代数: 330, 最佳适应度: 11441.9670, F1: 82452.57, F2: 39.10, 重叠: 2。

原创 遗传算法优化RVFL神经网络回归预测（随机函数链接神经网络）

训练集 - 均方根误差: 0.436 ℃, 平均绝对误差: 0.339 ℃, 决定系数: 0.9836。测试集 - 均方根误差: 0.778 ℃, 平均绝对误差: 0.630 ℃, 决定系数: 0.9710。迭代 10/50, 最佳适应度: 0.002176。迭代 20/50, 最佳适应度: 0.002176。迭代 30/50, 最佳适应度: 0.002157。迭代 40/50, 最佳适应度: 0.002157。迭代 50/50, 最佳适应度: 0.002135。开始遗传算法优化RVFL神经网络...

原创 基于BNT工具箱的多输入分类预测

类别 1 - 精确率: 0.8421, 召回率: 0.9897, F1分数: 0.9100。类别 2 - 精确率: 0.9535, 召回率: 0.8200, F1分数: 0.8817。类别 3 - 精确率: 0.9900, 召回率: 0.9612, F1分数: 0.9754。训练集大小: 700, 测试集大小: 300。准确率: 0.9233。构建贝叶斯网络...训练贝叶斯网络...

原创 基于耦合的Henon和Sine映射的彩色图像加密算法

基于耦合的Henon和Sine映射的彩色图像加密算法

原创 基于加速遗传算法投影寻踪模型的企业可持续发展能力评价研究

基于加速遗传算法投影寻踪模型的企业可持续发展能力评价研究

原创 基于动态权重-二维云模型的川藏铁路桥梁施工风险评估

综合风险云期望坐标: (7.9766, 7.9823)III级: (5.0, 5.0)II级: (3.0, 3.0)IV级: (7.0, 7.0)III级贴近度: 0.2373。I级: (1.0, 1.0)V级: (9.0, 9.0)II级贴近度: 0.1420。IV级贴近度: 0.7219。I级贴近度: 0.1013。V级贴近度: 0.6929。最终风险等级: IV级。

原创 基于哈里斯鹰优化算法优化孪生快速学习网(HHO-TFLN)回归预测

训练集 - 均方根误差: 0.444 ℃, 平均绝对误差: 0.348 ℃, 决定系数: 0.9849。测试集 - 均方根误差: 0.456 ℃, 平均绝对误差: 0.360 ℃, 决定系数: 0.9860。

原创 基于哈里斯鹰优化算法优化孪生极限学习机(HHO-TELM)回归预测

哈里斯鹰算法；极限学习机

原创 基于LSTM模型的极端天气下光伏功率预测

原创 基于贝叶斯优化AttentionBPNN多输入回归预测

训练集 - 均方根误差: 0.443 ℃, 平均绝对误差: 0.333 ℃, 决定系数: 0.9856。测试集 - 均方根误差: 0.409 ℃, 平均绝对误差: 0.291 ℃, 决定系数: 0.9845。Bayes-AttentionBPNN 测试集-平均绝对误差百分比（MAPE）：0.061973。Bayes-AttentionBPNN 测试集-平均绝对误差（MAE）：0.29084。Bayes-AttentionBPNN 测试集-均方根误差（RMSE）：0.40909。

原创 哈里斯鹰算法优化Jiles-Atherton模型磁滞回线拟合

原创 灰狼算法优化优化模糊孪生支持向量机回归预测(GWO-FTWSVR)

原创 农村末端村级网点选址模型构建 - 灰狼优化算法版本

{'白庄'} {'李仙堂'} {'葛仲园'} {'魏庄'} {'东岩里'} {'张小楼'}村庄覆盖率: 100.00%

原创 HHO优化SVM混合核(高斯核和Sigmoid核）回归预测

测试集-平均绝对误差百分比（MAPE）：0.00067398。训练集-平均绝对误差百分比（MAPE）：0.0011634。训练集-平均绝对误差（MAE）：0.54544。训练集-均方根误差（RMSE）：0.66571。测试集-平均绝对误差（MAE）：0.31575。测试集-均方根误差（RMSE）：0.39158。Sigmoid核参数theta：1.0955。训练集-决定系数（R）：0.95297。测试集-决定系数（R）：0.97566。------HHO优化结果------权重beta：0.0241。

原创 哈里斯鹰算法优化回声状态网络(HHO-ESN)回归预测

训练集-平均绝对误差百分比（MAPE）：0.0012044。测试集-平均绝对误差百分比（MAPE）：0.0017655。训练集-平均绝对误差（MAE）：0.56695。训练集-均方根误差（RMSE）：0.77077。测试集-平均绝对误差（MAE）：0.83994。测试集-均方根误差（RMSE）：1.0407。------HHO优化结果------训练集-决定系数（R）：0.96852。测试集-决定系数（R）：0.90048。输入缩放：0.29515。输出缩放：0.56305。泄漏率：0.79403。

原创 哈里斯鹰算法优化改进高斯核和小波核混合的RVM回归预测

训练集-平均绝对误差百分比（MAPE）：0.00064656。测试集-平均绝对误差百分比（MAPE）：0.00079479。训练集-平均绝对误差（MAE）：0.30295。训练集-均方根误差（RMSE）：0.39451。测试集-平均绝对误差（MAE）：0.37292。测试集-均方根误差（RMSE）：0.46197。训练集-决定系数（R）：0.98783。------HHO优化结果------测试集-决定系数（R）：0.9804。小波核尺度参数：9.9198。小波核平移参数：9.9199。

原创 HHO优化SVM混合核(高斯核和小波核）回归预测

HHO优化SVM混合核(高斯核和小波核）回归预测

原创 哈里斯鹰优化SVM混合核(多项式核和高斯核)的回归预测

训练集-平均绝对误差百分比（MAPE）：0.35371。测试集-平均绝对误差百分比（MAPE）：0.30119。测试集-平均绝对误差（MAE）：0.67448。测试集-均方根误差（RMSE）：0.81821。训练集-平均绝对误差（MAE）：1.0946。训练集-均方根误差（RMSE）：1.2182。训练集-决定系数（R）：0.84351。测试集-决定系数（R）：0.78507。------HHO优化结果------权重beta：0.087157。多项式degree：3。

原创 哈里斯鹰优化算法的FIR滤波器优化设计(带通+低通)

哈里斯鹰优化算法的FIR滤波器优化设计

原创 光谱预处理+特征筛选+沙丘猫算法+哈里斯鹰+鲸鱼+黏菌算法+猎食者算法优化BP神经网络回归预测

红外光谱SG平滑 MSC校正+SPA特征筛选+沙丘猫算法+哈里斯鹰+鲸鱼+黏菌算法+猎食者算法优化BP神经网络回归预测。

原创 基于量子遗传算法的投影寻踪算法

基于量子遗传算法的投影寻踪算法 运用量子遗传算法优化投影寻踪的投影方向，获取最佳投影值。

原创 基于开普勒优化算法的Otsu多阈值分割