商丘师范学院学报
商丘師範學院學報
상구사범학원학보
JOURNAL OF SHANGQIU TEACHERS COLLEGE
2013年
12期
33-35
,共3页
铁路客运量%粒子群算法%支持向量机%预测
鐵路客運量%粒子群算法%支持嚮量機%預測
철로객운량%입자군산법%지지향량궤%예측
railway passenger flow%particle swarm algorithm%support vector machine%prediction
铁路客运量数据受多种因素影响而呈现出非线性等特点，为了进一步提高其预测精度，文章提出了粒子群算法（ 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了优化选择，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，从而表明了粒子群算法优化支持向量机的方法是有效的。
鐵路客運量數據受多種因素影響而呈現齣非線性等特點，為瞭進一步提高其預測精度，文章提齣瞭粒子群算法（ 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瞭優化選擇，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，從而錶明瞭粒子群算法優化支持嚮量機的方法是有效的。
철로객운량수거수다충인소영향이정현출비선성등특점，위료진일보제고기예측정도，문장제출료입자군산법（ PSO）우화지지향량궤（ SVM）적공로객운량예측모형。이용PSO심우능력돌출적우점，대지지향량궤적삼수진행료우화선택，병용우화후적지지향량궤모형대공로객운량진행예측。연구결과현시，상비BP신경망락화전통적SVM예측방법，기우PSO-SVM적예측정도경고，종이표명료입자군산법우화지지향량궤적방법시유효적。
Railway passenger flow data that is affected by various factors , will show nonlinear .In rder to improve prediction precision further , support vector machine ( SVM ) optimized by particle swarm algorithm ( PSO ) is proposed to forecast railway passenger flow .Using the outstangding optimization of particle swarm algorithm, the parameters are optimized and railway passenger flow prediction is simulated by the PSO -SVM.The results of study show that PSO-SVM has better accuracy than traditional SVM and the method is efficient .
