若干新型智能算法优化极限学习机在区域人水和谐度评价中的应用

摘要：

为科学量化和评价区域人水和谐度,改进极限学习机(ELM)评价性能,提出野狗优化算法(DOA)、哈里斯鹰优化(HHO)算法、均衡优化(EO)算法、卷尾猴搜索算法(CapSA)、鸽群优化(PIO)算法与ELM融合的人水和谐度评价模型,通过云南省2006-2020年人水和谐度评价实例对模型进行验证.首先,简要介绍5种算法原理,在不同维度条件下选取4个标准函数对DOA、HHO、EO、CapSA、PIO算法进行仿真验证;其次,从水系统健康、经济社会发展、人水系统协调3个方面遴选18个指标构建人水和谐度评价指标体系和等级标准;最后,采用线性内插和随机选取的方法生成样本构建ELM适应度函数,利用DOA、HHO、EO、CapSA、PIO对适应度函数进行寻优,利用寻优获得的最佳ELM超参数建立DOA-ELM、HHO-ELM、EO-ELM、CapSA-ELM、PIO-ELM模型对实例各年度人水和谐度进行评价,结果与模糊综合评价法、ELM评价结果作对比.结果表明:DOA、HHO、EO、CapSA、PIO算法对4个标准函数的寻优精度由优至劣依次是HHO>PIO>DOA>CapSA>EO;对ELM适应度函数的寻优精度由优至劣依次是HHO>DOA>EO>CapSA>PIO.DOA-ELM、HHO-ELM、EO-ELM、CapSA-ELM模型对预测样本预测的平均绝对百分比误差在0.0124％～0.0198％之间,预测精度较PIO-ELM提高26.9％以上,较ELM提高84.6％以上;对实例2006-2011年人水和谐度评价为"不和谐",2012-2018年评价为"基本和稭",2019-2020年评价为"较和谐";近15年来云南省人水和谐度总体上呈上升趋势,且上升趋势显著.DOA、HHO、EO、CapSA、PIO算法均能有效优化ELM超参数,提高ELM预测性能;DOA、HHO、EO、CapSA优化效果要优于PIO算法.

关键词：人水和谐度、极限学习机、群体智能算法、仿真测试、云南省

所属期刊栏目：45

分类号：TV213.4

资助基金：国家澜湄合作基金项目;云南省创新团队建设专项;云南重点研发计划

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：7-16