%0 Journal Article
%T 基于PSO-SVM的交通流量短时预测
%A 王树洋
%A 黄天民
%A 方新
%J 重庆交通大学学报（自然科学版）
%P 832-835
%D 2012
%R 10.3969/j.issn.1674-0696.2012.04.24
%X :？参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数选择问题，引入了粒子群优化算法机制，通过粒子群优化选择支持向量机预测模型的学习训练参数，得到较优的PSO-SVM预测模型。通过实例仿真实验，将PSO-SVM预测模型与神经网络预测模型进行了比较，显示了其优越性。
%K 支持向量机
%K 粒子群优化算法
%K 神经网络
%K 预测
%K 交通流量
%K supportvectormachine(SVM)
%K particleswarmoptimization(PSO)
%K neuralnetwork
%K prediction
%K trafficflow
%U http://xbzk.cqjtu.edu.cn/CN/abstract/abstract1657.shtml