|
|||||
|
|
| GCPSO优化混合核SVM的地铁车站客流预测 | |
| 引用本文： | 米根锁,赵丽琴,罗淼.GCPSO优化混合核SVM的地铁车站客流预测[J].计算机工程与应用,2015(14). |
| 作者姓名： | 米根锁 赵丽琴 罗淼 |
| 作者单位： | 兰州交通大学 自动化与电气工程学院,兰州,730070 |
| 基金项目： | 甘肃省自然科学基金(No.1310RJZA046)。 |
| 摘 要： | 地铁中站点客流量为地铁运营调度部门提供实时调度管理依据。将径向基核函数与多项式核函数线性组合，构建了混合核支持向量回归机（SVM）预测模型。采用基于黄金分割的混沌粒子群（GCPSO）对混合核SVM的参数进行寻优，得到最佳的参数组合。利用该混合核SVM预测广州地铁3号线站点短期客流量。结果表明，GCPSO优化的混合核SVM预测模型对地铁站点的短期客流的预测精度高，预测数据和实测数据拟合良好，相对误差较小，明显优于SVM其他三种预测方法及Elman神经网络预测方法。 |
| 关 键 词： | 混合核支持向量回归机(SVM) 参数优化 黄金分割 混沌粒子群优化 站点客流量 |
Subway station passenger flow forecast based on mixed kernel support vec-tor machine optimized by golden section chaotic particle swarm optimization |
|
| MI Gensuo,ZHAO Liqin,LUO Miao.Subway station passenger flow forecast based on mixed kernel support vec-tor machine optimized by golden section chaotic particle swarm optimization[J].Computer Engineering and Applications,2015(14). | |
| Authors: | MI Gensuo ZHAO Liqin LUO Miao |
| Abstract: | |
| Keywords: | hybrid nuclear Support Vector regression Machine(SVM) parameter optimization golden section chaotic particle swarm optimization passenger flow |
| 本文献已被 万方数据 等数据库收录！ | |
