10.3778/j.issn.1002-8331.1407-0435
人工蜂群算法优化SVR的预测模型
针对人工蜂群算法存在的易陷入局部最优、收敛速度慢的缺点,引入当前最优食物源和惯性权重函数,对该算法的食物源更新方式进行改进;针对支持向量回归机的参数优化问题,将其转化为组合优化问题,并使用改进的人工蜂群算法进行优化求解,进而得到人工蜂群算法优化SVR的预测模型.以短期交通流量数据为例,将该模型的预测结果与蚁群算法优化的支持向量回归机(ACO-SVR)、粒子群算法优化的支持向量回归机(PSO-SVR)和未改进的蜂群算法优化的支持向量回归机(ABC-SVR)进行对比分析,结果表明该模型的预测效果最优且运行时间最短,具有更好的学习能力和推广能力.
人工蜂群算法、支持向量回归机、交通流量预测、蚁群算法、粒子群算法
52
TP181(自动化基础理论)
教育部高校博士学科点专项科研基金联合资助项目20132121110009
2016-07-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
55-59,76