KTBoost预测模型的改进及应用
针对目前KTBoost预测模型中存在的精度低、拟合效果较差的问题,给出一种改进的KTBoost预测模型.首先提出了OGWO算法,使用反正切函数对传统灰狼优化算法(GWO)中的收敛因子进行优化,以解决算法中的无效迭代问题,然后运用OGWO算法对KTBoost模型中的超参数进行优化,从而提高模型预测的精度;最后,为了验证模型的可行性,将该模型及其他预测模型应用于交通流预测场景中进行对比.实验结果表明:相较于RBF模型、随机森林模型(RFR)、KTBoost模型、OGWO-RBF模型、OGWO-RFR模型,OGWO-KTBoost预测模型拟合效果更好,其决定系数值达到0.8265,在实际应用中有较好的预测效果.
OGWO算法、KTBoost预测模型、超参数、OGWO-KTBoost预测模型、交通流预测
31
TB6;TP3;TB486
陕西省自然科学基金2019JQ-849
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
369-374