基于参数化三角范数的铁路货运量选择集成预测
针对铁路货运量预测中预测方法单一、准确度不高、泛化能力弱问题,基于参数化模糊逻辑理论,结合前序法选择策略,提出了一种新的基于Yager三角范数的选择性集成学习模型,并应用于铁路货运量预测.采用5种常用的单预测模型作为候选基学习机模型,以误差率作为评价指标,采用前序选择策略选定2种基学习机进行集成预测;以遗传算法和最小二乘法确定集成模型的参数,实现铁路货运量预测基学习机的最优组合.试验结果显示,对比单预测模型、最优组合预测模型和均方误差导数预测模型,新提出的选择集成模型取得了最低的误差率,表明其在铁路货运量预测中能够有效提高预测精度.
铁路货运量、预测、选择性集成学习、Yager三角范数、遗传算法
34
U294.1(铁路运输管理工程)
陕西省教育厅科研计划项目资助2013JK0870
2016-04-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
55-61