承德石油高等专科学校学报
承德石油高等專科學校學報
승덕석유고등전과학교학보
JOURNAL OF CHENGDE PETROLEUM COLLEGE
2012年
1期
34-36
,共3页
短时交通流预测%交叉验证%网格搜索%惩罚因子
短時交通流預測%交扠驗證%網格搜索%懲罰因子
단시교통류예측%교차험증%망격수색%징벌인자
short-term traffic flow forecasting%cross-validation%grid-search method%penalty factor
把交叉验证和网格搜索算法引入支持向量机预测算法,建立了改进的支持向量机预测模型,并将其应用于短时交通流预测进行实证分析。以某城市道路的实时数据来对模型进行验证,预测结果表明了该模型的有效性。
把交扠驗證和網格搜索算法引入支持嚮量機預測算法,建立瞭改進的支持嚮量機預測模型,併將其應用于短時交通流預測進行實證分析。以某城市道路的實時數據來對模型進行驗證,預測結果錶明瞭該模型的有效性。
파교차험증화망격수색산법인입지지향량궤예측산법,건립료개진적지지향량궤예측모형,병장기응용우단시교통류예측진행실증분석。이모성시도로적실시수거래대모형진행험증,예측결과표명료해모형적유효성。
The paper introduces cross-validation and grid-search method to optimize the prediction accuracy of Support Vector Machine models,the establishment of an improved Support Vector Machine prediction model,and applied to short-term traffic flow forecasting empirical analysis.The paper also uses the real time data of certain urban road to test the efficiency of the proposed model and the result is satisfactory.
