自适应权重粒子群优化LS-SVM的交通流预测
精确的短时交通预测是建立智能交通系统的一个重要前提,而具有明显周期性特点的交通流量的预测是其中的一个重要环节.为实现交通流量的准确预测,提出一种基于自适应惯性权重的粒子群优化(AωPSO)最小二乘支持向量机(LS-SVM)的短时交通流量预测方法,通过引入粒子种群多样性,设计自适应惯性权重调节方法,借助PSO算法的寻优能力实现LS-SVM参数的优化,减少人为因素对参数选择的影响,提高LS-SVM的泛化能力和预测精度.实验结果表明,与BP网络、LS-SVM等方法相比,该方法具有精度高、泛化能力强的特点.
交通流、短时预测、粒子群优化、最小二乘支持向量机、自适应惯性权重
24
TP18(自动化基础理论)
国家自然科学基金项目61663012,61501186;江西省交通运输厅科技项目2014X0015;江西省教育厅科技项目GJJ150490;江西省科技厅青年科学基金项目20161BAB212054;华东交通大学校立科研基金14DQ03
2017-10-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
1838-1843