1.一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：该方法包含下列步骤：

步骤1：确定ELM神神经网络的结构，根据求解问题确定神神经网络的输入以及输出节点个数，确定隐含层神经元节点数；

步骤2：根据输入层和隐含层节点数计算所需优化的网络参数的个数，将所要优化的目标映射为郊狼的位置，初始化分组个数NP以及每组的郊狼个数NC，初始化郊狼种群的位置；

步骤3：将数据进行归一化处理，然后将训练数据输入到网络模型当中，根据网络输出值与预测值的误差，用适应度函数来评估当前郊狼个体的适应度值；

步骤4：对郊狼种群以概率Pg进行随机分组；

all

步骤5：根据适应度值对组内郊狼个体进行排序，确定全局最优郊狼alpha 、组内最优郊狼alpha，并计算文化趋势cult；

步骤6：郊狼按照新型成长公式成长，评估成长后郊狼的社会适应能力，贪心选择适应能力好的成长后郊狼；

步骤7：幼狼的出生和死亡，如果幼狼存活，则幼狼的年龄为0；

步骤8：对组内最优郊狼进行动态莱维变异操作，贪婪保存变异前后的郊狼；

步骤9：郊狼被组驱离和接纳，并更新每个郊狼的年龄，更新全局最优郊狼的位置；

步骤10：判断是否达到给定的最大迭代次数，如果达到最大迭代次数则返回全局最优郊狼的位置参数，并将其映射为ELM神神经网络所对应的网络参数初始值，否则返回步骤4。

2.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤2所述郊狼的位置是一个n维的数据，其中n由下式计算所得：n＝hidnum*innum+hidnum           (1)式中hidnum表示径向基神神经网络隐含层节点的个数，innum表示输入层节点数的个数。

3.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤2中初始化郊狼位置时，初始化范围设定为(‑1,1)之间。

4.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：对数据进行归一化处理，采用下式作为计算函数：xi％＝(xi‑min(x))/(max(x)‑min(x))       (2)式中xi％表示第i(i＝1,2,L,n)个数据的归一化值，n表示输入数据样本个数，xi为第i个样本值,max(x)表示输入样本的最大值，min(x)表示输入样本的最小值；

适应度值的计算函数如：

式中Y表示真实标签的值，Yp表示神神经网络的预测值，N为训练数据的个数。

5.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤4中对郊狼种群进行随机分组满足下式：t‑1

式中，t为当前迭代数，Packs 表示迭代次数为t‑1时的分组情况，r1是[0,1]上的均匀分布的随机数，Pg为自定义的随机分组概率。

6.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤5文化趋势cult的计算函数为：式中，NC表示每组的郊狼个数， 表示按照适应度值进行排序之后的第 个郊狼的第j(j＝1,2,…，n)维变量的社会状态因子， 表示第 个郊狼的第j(j＝

1,2,…，n)维变量的社会状态因子。

7.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤6中新型成长公式定义如下：

式中，SOC表示郊狼成长前的位置，cult表示组内文化趋势，SOC_fit表示郊狼个体的适all

应度值，cult_fit表示组内文化趋势的适应度值，alpha表示组内最优郊狼，alpha 表示全pr

局最优郊狼，alpha 表示随机选取的其他组的最优郊狼，SOCcr2，SOCcr3，SOCcr4表示组内随机选取的三只不同郊狼，t为当前迭代次数，T为最大迭代次数，r2，r3，r4为[0,1]范围内的均匀分布的随机数；

郊狼成长后，采用适应度函数评估郊狼的适应度值，按照下式定义贪心选择成长前后适应能力更好的郊狼：

式中，new_SOC_fit为成长后的郊狼个体new_SOC的适应度值，SOC_fit为成长前的郊狼个体SOC的适应度值。

8.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤7采用下式作为组内幼狼的出生公式：式中，pupj表示组内出生的幼狼个体在第j(j＝1,2,…，n)维的社会状态因子，j1,j2为问题的两个随机维度，f1,f2是该组中两个不同的随机父郊狼标引号，以确保幼狼一定遗传两个父郊狼的基因， 表示郊狼f1在维度j上的社会状态因子， 表示郊狼f2在维度j上的社会状态因子，Rj是第j维社会状态因子在决策变量范围内的随机数，Ps是分散概率，Pa是关联概率，Ps和Pa由下式决定：式中，n表示待优化问题的维数。

9.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤8在对组内最优郊狼进行动态莱维变异操作步骤中，采用下式作为变异维数N的定义公式：

式中，t为当前迭代次数，T为最大迭代次数，n表示待优化问题的维数，int表示取整函数，随机选取变异的维数后，采用下式作为郊狼进行莱维变异的计算公式：式中，j1,j2表示郊狼个体在n维中随机选中进行变异的维度，j1≠j2＝1,2,L,n，表示变异郊狼在j1维上的社会状态因子，levi(β)为莱维飞行步长，莱维指数β∈(0,2]，其中，参数u,v为服从下式定义的正太分布的随机数：

10.根据权利要求1所述一种基于改进郊狼算法的ELM神经网络优化算法，其特征在于：步骤9中郊狼被驱离和接纳的概率公式为：式中，Pe为郊狼被随机驱离和接纳的概率，NC为每组的郊狼个数，然后更新每个郊狼的年龄，更新全局最优郊狼的位置。