第11卷第3期 智能系统学报 Vol.11 No.3 2016年6月 CAAI Transactions on Intelligent Systems Jun.2016 D0I:10.11992/is.2016030 网s络出版地址：http:/www.cnki.net/kcms/detail/23.1538.TP.20160513.0918.010.html 个体最优共享GEP算法及其气象降水数据预测建模 彭昱忠2，元昌安，李洁，许明涛，陈冰廉 (1.广西师范学院计算机与信息工程学院，广西南宁5300212.广西师范学院北部湾环境演变与资源利用教育 部重点实验室，广西南宁530001：3.广西科技师范学院数计系，广西柳州545004) 摘要：针对基因表达式编程算法存在进化后期收敛慢且容易陷入局部最优而降低其数据建模的性能问题，和降水 量因受诸多自然因素相互影响而难以准确地建模与预测的问题，提出了一种改进的基因表达式编程算法。该算法 具有染色体最优状态记忆功能，在进化过程中可以按条件学习自身的历史经验知识，以加强局部搜索能力和促进收 敛，同时尽量控制个体的趋同化而保持种群的多样性。3组不同区域和不同类型的真实降水数据集的实验验证了其 可以改善传统GEP算法后期收敛慢的问题，寻优能力更强，降水数据拟合和预测效果均显著优于传统GEP算法，BP 神经网络和NAR神经网络等算法。 关键词：基因表达式编程：经验共享：时间序列：气象建模：降水预测：演化计算：演化建模 中图分类号：TP391文献标志码：A文章编号：1673-4785(2016)03-0401-09 中文引用格式：彭昱忠，元昌安，李洁，等.个体最优共享GP算法及其气象降水数据预测建模[J].智能系统学报，2016,11(3)： 401-409. 英文引用格式：PENG Yuzhong,YUAN Changan,LI Jie,etal.Individual optimal sharing GEP algorithm and its application in forecast modeling of meteorological precipitation[J].CAAI transactions on intelligent systems,2016,11(3):401-409. Individual optimal sharing GEP algorithm and its application in forecast modeling of meteorological precipitation PENG Yuzhong'2,YUAN Changan',LI Jie',XU Mingtao',CHEN Binglian' (1.College of Computer Information Engineering,Guangxi Normal University,Nanning 530023,China;2.Key Lab of Beibu Gulf Environment Change and Resource Use of ministry of Education,Guangxi Normal University,Nanning 530001,China;3.Department of Mathematics and computer science,Guangxi Science and Technology University,Liuzhou 545004,China) Abstract:Gene expression programming (GEP)is characterized by slow convergence and ease of falling into a lo- cal optimum in the later stages of its evolution.Many methods are difficult to model and use to accurately forecast precipitation because of the simultaneous influence of many natural factors.In this paper,we propose an improved GEP algorithm,which has an optimal state memory function,can learn from historical experience in the process of evolution to strengthen the local search ability,and can thus promote convergence and,at the same time,control the convergence of individuals and maintain the diversity of the population.The experimental results of three groups from different regions and different actual precipitation data sets show that the proposed algorithm can improve the slow convergence problem of the traditional GEP algorithm and has better search ability.Experimental results also show that the proposed algorithm's ability to fit and forecast precipitation data is significantly better than that of tra- ditional GEP algorithm,as well as the BP and NAR neural network algorithms. Keywords:gene expression programming;experience sharing;time series;meteorology modeling;precipitation forecasting;evolutionary computation;evolution modeling 大气系统是个极为复杂的动态巨系统，具有高 维性、多尺度性、复杂性、开放性、混沌性、非平稳性、 收稿日期：2016-03-18.网络出版日期：2016-05-13. 不确定性和动态性等特点。传统上，被主要用于建 基金项目：国家自然科学基金项目(61562008、41575051)：广西科学研 立预测模型的常规统计方法难以精确描述大气系统 究与技术开发计划项目(15980191)、广西高校科学技术研 究重点项目(ZD2014083). 的复杂关系，因而预测质量较低。近年来，利用先进 通信作者：李洁.E-mail:lie980522@163.com.第 １１ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．３ ２０１６ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６０３０ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１６０５１３．０９１８．０１０．ｈｔｍｌ 个体最优共享 ＧＥＰ 算法及其气象降水数据预测建模 彭昱忠１，２ ，元昌安１ ，李洁３ ，许明涛１ ，陈冰廉１ （１．广西师范学院 计算机与信息工程学院，广西 南宁 ５３００２１； ２． 广西师范学院 北部湾环境演变与资源利用教育 部重点实验室，广西 南宁 ５３０００１； ３．广西科技师范学院 数计系，广西 柳州 ５４５００４） 摘 要：针对基因表达式编程算法存在进化后期收敛慢且容易陷入局部最优而降低其数据建模的性能问题，和降水 量因受诸多自然因素相互影响而难以准确地建模与预测的问题，提出了一种改进的基因表达式编程算法。 该算法 具有染色体最优状态记忆功能，在进化过程中可以按条件学习自身的历史经验知识，以加强局部搜索能力和促进收 敛，同时尽量控制个体的趋同化而保持种群的多样性。 ３ 组不同区域和不同类型的真实降水数据集的实验验证了其 可以改善传统 ＧＥＰ 算法后期收敛慢的问题，寻优能力更强，降水数据拟合和预测效果均显著优于传统 ＧＥＰ 算法、ＢＰ 神经网络和 ＮＡＲ 神经网络等算法。 关键词：基因表达式编程；经验共享；时间序列；气象建模；降水预测；演化计算；演化建模 中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１６）０３⁃０４０１⁃０９ 中文引用格式：彭昱忠，元昌安，李洁，等．个体最优共享 ＧＥＰ 算法及其气象降水数据预测建模［ Ｊ］． 智能系统学报， ２０１６， １１（ ３）： ４０１⁃４０９． 英文引用格式：ＰＥＮＧ Ｙｕｚｈｏｎｇ， ＹＵＡＮ Ｃｈａｎｇａｎ， ＬＩ Ｊｉｅ， ｅｔ ａｌ． Ｉｎｄｉｖｉｄｕａｌ ｏｐｔｉｍａｌ ｓｈａｒｉｎｇ ＧＥＰ ａｌｇｏｒｉｔｈｍ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｆｏｒｅｃａｓｔ ｍｏｄｅｌｉｎｇ ｏｆ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１６，１１（３）： ４０１⁃４０９． Ｉｎｄｉｖｉｄｕａｌ ｏｐｔｉｍａｌ ｓｈａｒｉｎｇ ＧＥＰ ａｌｇｏｒｉｔｈｍ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｆｏｒｅｃａｓｔ ｍｏｄｅｌｉｎｇ ｏｆ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ＰＥＮＧ Ｙｕｚｈｏｎｇ １，２ ， ＹＵＡＮ Ｃｈａｎｇａｎ １ ， ＬＩ Ｊｉｅ ３ ， ＸＵ Ｍｉｎｇｔａｏ １ ， ＣＨＥＮ Ｂｉｎｇｌｉａｎ １ （１． Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ ＆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｇｕａｎｇｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｎｉｎｇ ５３００２３， Ｃｈｉｎａ； ２． Ｋｅｙ Ｌａｂ ｏｆ Ｂｅｉｂｕ Ｇｕｌｆ Ｅｎｖｉｒｏｎｍｅｎｔ Ｃｈａｎｇｅ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｕｓｅ ｏｆ ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ， Ｇｕａｎｇｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｎｉｎｇ ５３０００１， Ｃｈｉｎａ； ３．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， Ｇｕａｎｇｘｉ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｕｎｉｖｅｒｓｉｔｙ， Ｌｉｕｚｈｏｕ ５４５００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ （ＧＥＰ） ｉｓ ｃｈａｒａｃｔｅｒｉｚｅｄ ｂｙ ｓｌｏｗ ｃｏｎｖｅｒｇｅｎｃｅ ａｎｄ ｅａｓｅ ｏｆ ｆａｌｌｉｎｇ ｉｎｔｏ ａ ｌｏ⁃ ｃａｌ ｏｐｔｉｍｕｍ ｉｎ ｔｈｅ ｌａｔｅｒ ｓｔａｇｅｓ ｏｆ ｉｔｓ ｅｖｏｌｕｔｉｏｎ． Ｍａｎｙ ｍｅｔｈｏｄｓ ａｒｅ ｄｉｆｆｉｃｕｌｔ ｔｏ ｍｏｄｅｌ ａｎｄ ｕｓｅ ｔｏ ａｃｃｕｒａｔｅｌｙ ｆｏｒｅｃａｓｔ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｂｅｃａｕｓｅ ｏｆ ｔｈｅ ｓｉｍｕｌｔａｎｅｏｕｓ ｉｎｆｌｕｅｎｃｅ ｏｆ ｍａｎｙ ｎａｔｕｒａｌ ｆａｃｔｏｒｓ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｗｅ ｐｒｏｐｏｓｅ ａｎ ｉｍｐｒｏｖｅｄ ＧＥＰ ａｌｇｏｒｉｔｈｍ， ｗｈｉｃｈ ｈａｓ ａｎ ｏｐｔｉｍａｌ ｓｔａｔｅ ｍｅｍｏｒｙ ｆｕｎｃｔｉｏｎ， ｃａｎ ｌｅａｒｎ ｆｒｏｍ ｈｉｓｔｏｒｉｃａｌ ｅｘｐｅｒｉｅｎｃｅ ｉｎ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｅｖｏｌｕｔｉｏｎ ｔｏ ｓｔｒｅｎｇｔｈｅｎ ｔｈｅ ｌｏｃａｌ ｓｅａｒｃｈ ａｂｉｌｉｔｙ， ａｎｄ ｃａｎ ｔｈｕｓ ｐｒｏｍｏｔｅ ｃｏｎｖｅｒｇｅｎｃｅ ａｎｄ， ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ， ｃｏｎｔｒｏｌ ｔｈｅ ｃｏｎｖｅｒｇｅｎｃｅ ｏｆ ｉｎｄｉｖｉｄｕａｌｓ ａｎｄ ｍａｉｎｔａｉｎ ｔｈｅ ｄｉｖｅｒｓｉｔｙ ｏｆ ｔｈｅ ｐｏｐｕｌａｔｉｏｎ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｏｆ ｔｈｒｅｅ ｇｒｏｕｐｓ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｒｅｇｉｏｎｓ ａｎｄ ｄｉｆｆｅｒｅｎｔ ａｃｔｕａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｄａｔａ ｓｅｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｃａｎ ｉｍｐｒｏｖｅ ｔｈｅ ｓｌｏｗ ｃｏｎｖｅｒｇｅｎｃｅ ｐｒｏｂｌｅｍ ｏｆ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ＧＥＰ ａｌｇｏｒｉｔｈｍ ａｎｄ ｈａｓ ｂｅｔｔｅｒ ｓｅａｒｃｈ ａｂｉｌｉｔｙ． Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ａｌｓｏ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ＇ｓ ａｂｉｌｉｔｙ ｔｏ ｆｉｔ ａｎｄ ｆｏｒｅｃａｓｔ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｄａｔａ ｉｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｂｅｔｔｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｔｒａ⁃ ｄｉｔｉｏｎａｌ ＧＥＰ ａｌｇｏｒｉｔｈｍ， ａｓ ｗｅｌｌ ａｓ ｔｈｅ ＢＰ ａｎｄ ＮＡＲ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｌｇｏｒｉｔｈｍｓ． Ｋｅｙｗｏｒｄｓ：ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ； ｅｘｐｅｒｉｅｎｃｅ ｓｈａｒｉｎｇ； ｔｉｍｅ ｓｅｒｉｅｓ； ｍｅｔｅｏｒｏｌｏｇｙ ｍｏｄｅｌｉｎｇ； ｐｒｅｃｉｐｉｔａｔｉｏｎ ｆｏｒｅｃａｓｔｉｎｇ； ｅｖｏｌｕｔｉｏｎａｒｙ ｃｏｍｐｕｔａｔｉｏｎ； ｅｖｏｌｕｔｉｏｎ ｍｏｄｅｌｉｎｇ 收稿日期：２０１６⁃０３⁃１８． 网络出版日期：２０１６⁃０５⁃１３． 基金项目：国家自然科学基金项目（ ６１５６２００８、４１５７５０５１）；广西科学研 究与技术开发计划项目（ １５９８０１９⁃１）、广西高校科学技术研 究重点项目（ＺＤ２０１４０８３）． 通信作者：李洁． Ｅ⁃ｍａｉｌ：ｌｉｊｉｅ９８０５２２＠ １６３．ｃｏｍ． 大气系统是个极为复杂的动态巨系统，具有高 维性、多尺度性、复杂性、开放性、混沌性、非平稳性、 不确定性和动态性等特点。 传统上，被主要用于建 立预测模型的常规统计方法难以精确描述大气系统 的复杂关系，因而预测质量较低。 近年来，利用先进