公路与汽运
公路與汽運
공로여기운
HIGHWAYS & AUTOMOTIVE APPLICATIONS
2014年
4期
67-69
,共3页
公路运输%支持向量机(SVM)%公路客运量%粒子群算法(PSO)
公路運輸%支持嚮量機(SVM)%公路客運量%粒子群算法(PSO)
공로운수%지지향량궤(SVM)%공로객운량%입자군산법(PSO)
@@
公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法(PSO)优化支持向量机(SVM)的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.
公路客運量數據受多種因素影響而呈現非線性等特點,為瞭提高其預測精度,文中提齣粒子群算法(PSO)優化支持嚮量機(SVM)的公路客運量預測模型,利用PSO尋優能力突齣的優點,對支持嚮量機的參數進行優化選擇,併用優化後的支持嚮量機模型對公路客運量進行預測.研究結果顯示,相比BP神經網絡和傳統的SVM預測方法,基于PSO SVM的預測精度更高.
공로객운량수거수다충인소영향이정현비선성등특점,위료제고기예측정도,문중제출입자군산법(PSO)우화지지향량궤(SVM)적공로객운량예측모형,이용PSO심우능력돌출적우점,대지지향량궤적삼수진행우화선택,병용우화후적지지향량궤모형대공로객운량진행예측.연구결과현시,상비BP신경망락화전통적SVM예측방법,기우PSO SVM적예측정도경고.
