[发明专利]一种基于多目标优化的自组织一型分层模糊预测系统

权利要求书

1.一种基于多目标优化的自组织一型分层模糊预测系统，其特征在于：其具体实施步骤如下：

步骤(1)：生成一组混沌数据：产生MG随机时间序列，并对其添加信噪比为20dB的噪声；将产生的数据分为训练集Trn和测试集Vld；其中训练集包含训练输入TrnX(X1,X2,X3,X4)和训练输出TrnY(Y)，测试集包含测试集输入VldX(X1,X2,X3,X4)和测试输出VldY(Y)；

步骤(2)：对训练集输入数据TrnX采用模糊聚类的方式分别确定四个输入X₁,X₂,X₃,X₄模糊聚类中心CenterX1，CenterX2，CenterX3，CenterX4；

步骤(3)：构建分层模糊系统中的第一个模糊系统FIS1：FIS1的两个输入为X₁和X₂，输出为U₁，设定FIS1为TSK型模糊系统，系统的模糊前件：输入X₁的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(X1)，min(X1)，CenterX1},{min(X1)，CenterX1，max(X1)},{CenterX1，CenterX1，max(X1)},其中，min(X1)和max(X1)分别为输入X₁的最小值和最大值，输入X₂的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(X2)，min(X2)，CenterX2},{min(X2)，CenterX2，max(X2)},{CenterX2，CenterX2，max(X2)},其中，min(X2)和max(X2)分别为输入X₂的最小值和最大值，系统的模糊后件：根据输入函数的数量和模糊分区数，确定系统规则数应为9，每条规则对应的输出值为A₁～A₉，规则激活编码为r₁₁～r₁₉，其中r₁₁～r₁₉的取值只能为0或1；

步骤(4)：构建分层模糊系统中的第二个模糊系统FIS2：FIS2的两个输入为U₁和X₃，输出为U₂，设定FIS2为TSK型模糊系统，系统的模糊前件：输入U₁的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(U1)，min(U1)，CenterU1},{min(U1)，CenterU1，max(U1)},{CenterU1，CenterU1，max(U1)}，其中，min(U1)和max(U1)分别为输入U₁的最小值和最大值，CenterU1为输入U₁的平均值，输入X₃的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(X3)，min(X3)，CenterX3}，{min(X3)，CenterX3，max(X3)}，{CenterX3，CenterX3，max(X3)}，其中，min(X3)和max(X3)分别为输入X₃的最小值和最大值，系统的模糊后件：根据输入函数的数量和模糊分区数，确定系统的规则数应为9，每条规则对应的输出值为B₁～B₉，规则激活编码为r₂₁～r₂₉，其中r₂₁～r₂₉的取值只能为0或1；

步骤(5)：构建分层模糊系统中的第三个模糊系统FIS3：FIS3的两个输入为U₂和X₄，输出为U₃，设定FIS3为TSK型模糊系统，系统的模糊前件：输入U₂的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(U2)，min(U2)，CenterU2}，{min(U2)，CenterU2，max(U2)}，{CenterU2，CenterU2，max(U2)}，其中，min(U2)和max(U2)分别为输入U₂的最小值和最大值，CenterU2为输入U₂的平均值，输入X₄的隶属度函数为三角形隶属度函数，三个模糊分区的顶点集合分别为{min(X4)，min(X4)，CenterX4}，{min(X4)，CenterX4，max(X4)}，{CenterX4，CenterX4，max(X4)}，其中，min(X4)和max(X4)分别为输入X₄的最小值和最大值，系统的模糊后件：根据输入函数的数量和模糊分区数，确定系统的规则数应为9，每条规则对应的输出值为C₁～C₉，规则激活编码为r₃₁～r₃₉，其中r₃₁～r₃₉的取值只能为0或1；

步骤(6)：采用多目标优化算法优化FIS1,FIS2,FIS3三个模糊系统中的参数：待优化参数为A₁～A₉，B₁～B₉，C₁～C₉，r₁₁～r₁₉，r₂₁～r₂₉，r₃₁～r₃₉共54个，优化目标函数有两个，分别为系统预测精度object1＝RMSE和系统规则数object2＝rule_num，其中，RMSE指的是系统预测输出U₃和系统实际输出TrnY之间的差值的均方根误差，rule_num指的是三个模糊系统的规则数之和。