基于混沌自适应遗传νSVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν支持向量回归机(νsupportvectorregression,νSVR)应用于城市客运量预测．为了提高νSVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptivegeneticalgorithm,CAGA)优选νSVR模型参数,建立了基于CAGA进行参数优选的CAGAνSVR城市客运量预测模型．结合1978~2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GASVR模型和GAνSVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测．