基于改进灰狼算法优化的支持向量机锌耗预测

作者：张佳琦; 顾幸生^*

来源：华东理工大学学报, 2022, 48(03): 343-351.

DOI：10.14135/j.cnki.1006-3080.20210128001

• 支持向量机回归
• 灰狼优化算法
• Tent映射
• 差分进化
• 预测建模

为了提高生产镀锌板的锌锭需求预测精度，提出了一种基于改进灰狼(Improved Grey Wolf Optimization,IGWO)优化算法的支持向量机回归(Support Vector Regression,SVR)的锌耗预测建模方法。针对传统灰狼优化算法收敛快、易早熟的缺陷，首先采用混沌Tent映射策略初始化种群，增强种群的多样性和分布均匀性；其次引入控制参数的自适应调整策略，以平衡算法的搜索能力和开发能力；最后在位置更新过程中融合差分进化，降低算法误收敛的可能性。采用典型基准测试函数进行仿真实验，结果表明IGWO算法的综合性能优越，寻优能力更佳。基于某钢厂某机组的生产实际数据对锌锭消耗量进行建模预测，利用IGWO算法对SVR进行参数优化（IGWO-SVR），实验结果表明，IGWO-SVR具有更高的预测精度、更好的稳定性和更优的泛化能力。

• 单位
  华东理工大学