公路隧道交通量预测的粒子群高斯过程耦合模型
Traffic flow prediction model of highway tunnel based on PSO-Gaussian process coupled algorithm

摘要 交通量的预测对公路隧道运营期通风系统的节能降耗具有重大意义,将新型小样本学习机器高斯过程引入隧道交通量预测,提出了一种组合核函数,用以改善单一核函数高斯过程的泛化性能,在网络训练过程中采用粒子群优化算法,自动搜寻泛化性能最好的高斯过程超参数,形成粒子群高斯过程耦合算法,并编写了相应的计算程序.对某公路隧道交通量进行了预测,结果表明:组合核函数高斯过程最大预测相对误差仅为4.41;,平均相对误差为1.96;;两种单一核函数高斯过程最大预测相对误差均为6.68;,平均相对误差分别为2.7;和2.67;;粒子群