全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于PSO-SVM的交通流量短时预测

DOI: 10.3969/j.issn.1674-0696.2012.04.24, PP. 832-835

Keywords: 支持向量机,粒子群优化算法,神经网络,预测,交通流量,supportvectormachine(SVM),particleswarmoptimization(PSO),neuralnetwork,prediction,trafficflow

Full-Text   Cite this paper   Add to My Lib

Abstract:

:?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。

References

[1]  朱文兴。基于RBF 神经网络的交通流量预测算法[J]。山东大 学学报: 工学版,2 007,3 7(4): 23-27. Zhu Wenxing.Traffic volume forecasting algorithm based on RBF neutral network[J]。Journal of Shandong University: Engineering Science,2007,37 (4): 23-27.
[2]  温惠英,李俊辉。基于改进支持向量机的交通流量预测算法研 究[J]。交通与计算机, 2008,2 6(2): 4-7. Wen Huiying,Li Junhui.Traffic flow prediction algorithm based on improved support vector machine[J]。Chinese Journal of Computer and Traffic, 2008,26(2): 4-7.
[3]  方瑞明。支持向量机理论及其应用分析[M]。北京: 中国电力出 版社,2007: 47-49.
[4]  任洪娥,霍满东。基于PSO 优化的SVM 预测应用研究[J]。计 算机应用研究,2 009(3): 867-869. Ren Honge,Huo Mandong.Support vector machine optimized by particle swam optimization algorithm for holding nail force forecasting [J]。Chinese Journal of Computer Application Research,2009 (3): 867-869.
[5]  李晓斌。基于遗传算法优化支持向量机的交通流量预测[J]。 微电子学与计算机, 2010,2 7(10): 186-189. Li Xiaobin.Forecasting urban traffic flow based on support vector machine optimized by genetic algorithm[J]。Chinese Journal of Microelectronics and Computer, 2010,2 7(10): 186-189.
[6]  段晓东,刘向东。粒子群算法及其应用[M]。沈阳: 辽宁大学出 版社,2 007: 29-34.
[7]  胡佩锋。交通流量短时预测方法研究[D]。北京: 北京交通大 学,2 006: 44-45.
[8]  侯媛彬,杜京义,汪梅。神经网络[M]。西安: 西安电子科技大学 出版社,2 007: 89-122.
[9]  刘丽娜。城市道路交通流量短时预测的研究[D]。北京: 北京 邮电大学,2 009: 40-46.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133