[发明专利]基于改进蚁狮优化算法的虚拟样本生成方法

权利要求书

1.一种基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，包括：

步骤S1：根据整体趋势扩散技术，确定生成的虚拟样本的下边界和上边界；

步骤S2：提供ELM模型，通过试参法确定其隐含层的神经元个数，以使ELM模型预测的平均绝对百分比误差小于10％，并将训练好的ELM模型保存；

步骤S3：通过引入蚁狮主动高斯变异、自适应游走边界机制对蚁狮优化算法进行改进，通过改进的蚁狮优化算法，随机选定一个真实样本，并围绕其生成一个虚拟样本。

2.根据权利要求1所述的基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，在所述步骤S1中，根据真实样本的输入参数来确定真实样本的输入参数的中间位置，进而确定生成的虚拟样本的下边界和上边界；

其中，真实样本的输入参数的中间位置为：

其中，x_i为第i个真实样本的输入参数，CL为真实样本的输入参数的中间位置，n为真实样本的输入参数的数量；

虚拟样本的下边界和上边界为：

其中，LB为虚拟样本的输入参数的下边界，UB为虚拟样本的输入参数的上边界，Skew_L和Skew_U为左右扩展偏度，min为真实样本的输入参数的最小值，max为真实样本的输入参数的最大值，N_L为真实样本中数值小于CL的样本数量，N_U为真实样本中数值大于CL的样本数量，S_P为偏度修正因子。

3.根据权利要求1所述的基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，所述步骤S2包括：将真实样本随机分为具有70％的真实样本的训练集和具有30％的真实样本的测试集；通过设置不同的隐藏层的神经元个数并采用训练集在不同的隐藏层的神经元个数的情况下分别训练ELM模型，找到平均绝对百分比误差小于10％的ELM模型中预测精度最高的一个所对应的神经元个数作为最终确定的隐含层的神经元个数，并保存预测精度最高的ELM模型。

4.根据权利要求3所述的基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，在所述步骤S2中，所述平均绝对百分比误差越接近0，且决定系数越接近1，则预测精度越高；

所述平均绝对百分比误差为：

所述决定系数为：

其中，MAPE为平均绝对百分比误差，R²为决定系数，n_test为测试集中真实样本的数据个数，y_i为测试集中真实样本的真实值，为测试集中真实样本的预测值，为测试集中真实样本的真实值的平均值。

5.根据权利要求3所述的基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，还包括步骤S4：重复步骤S3多次，以围绕所述训练集中的每个真实样本均生成至少一个虚拟样本。

6.根据权利要求5所述的基于改进蚁狮优化算法的虚拟样本生成方法，其特征在于，还包括步骤S5：结合真实样本和虚拟样本，经过训练和验证，得到最终的预测模型。