换一批改进灰狼算法与机器学习混合模型的时间序列预测
Time Series Prediction of a Hybrid Model Combining an Improved Grey Wolf Algorithm and Machine Learning
摘要目的 自人类文明诞生以来,与病毒的斗争便从未停止,因此传染病数据预测具有重要参考价值,提出一种新算法以解决灰狼算法易陷入局部最优解和全局搜索能力不足的问题.方法 通过Halton序列搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入Levy飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用改进的灰狼算法优化6种机器学习模型的参数并进行预测;使用带约束的优化算法序贯最小二乘规划算法(SLSQP,Sequential Least Squares Programming)和灰狼优化算法(GWO,Grey Wolf Optimization Algorithm)得出各模型的最佳集成权重,采用3种评估函数对各模型以及混合模型的预测效果进行得分评估.结果 改进的灰狼算法性能良好,在迭代测试中优于其他对比算法;利用改进灰狼算法优化的机器学习预测模型中,以优化梯度提升树模型预测效果最佳,相较于未进行优化模型的绝对平均值误差、均方根误差和拟合优度,预测精度提升了52％、52％和1％.结论 基于灰狼优化算法加权后的机器学习模型加权混合得分出色,预测精度进一步得到提升,绝对平均值误差、均方根误差和拟合优度分别为0.07、0.24和0.99,对传染病感染人数的预测具有重要参考价值.
更多相关知识
关键词
改进的灰狼算法加权集成模型Halton序列Levy飞行improved grey wolf algorithmweighted integrated modelHalton sequenceLévy flight
栏目名称
DOI
10.16055/j.issn.1672-058X.2026.0003.015
发布时间
2026-06-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（72274001）
国家自然科学基金（71872002）
复杂系统多学科管理与控制安徽省教育厅重点实验室开放课题（CS2022-ZD02）
安徽省高校人文社科研究重大项目（SK2020ZD16）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
