一种改进灰狼算法优化LSSVM的交通流量预测

摘要：

随着现代智能交通系统的发展,准确的交通流量预测,尤其是短时交通流量的预测,对实时交通控制的重要性日益凸显.为了解决交通流量数据强非线性对预测精度的影响,本文基于最小二乘支持向量机研究交通流量预测方法.提出了一种改进型的灰狼优化算法,通过改变灰狼优化算法中控制参数a的非线性并且引入差分算法中的交叉、变异和选择操作来提高灰狼优化算法中种群的多样性,从而提高算法的全局搜索能力,并用于优化LSSVM的惩罚因子γ和核函数参数σ,实现对短时交通流的精准预测.实验结果表明,改进GWO优化LSSVM的泛化性能和鲁棒性优于其他同类方法,可以实现交通流的精准预测.

关键词：交通流预测、改进GWO、种群多样性、LSSVM

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目;江西省教育厅科技项目

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2672-2676