计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
14期
251-254
,共4页
白响恩%张浩%张晓东%肖英杰%陈亮
白響恩%張浩%張曉東%肖英傑%陳亮
백향은%장호%장효동%초영걸%진량
船舶交通流%粗糙集%遗传算法%支持向量回归%组合预测
船舶交通流%粗糙集%遺傳算法%支持嚮量迴歸%組閤預測
선박교통류%조조집%유전산법%지지향량회귀%조합예측
vessel traffic flow%rough set%genetic algorithm%support vector regression%combination forecasting
影响交通流变化的因素众多,为改进传统的船舶交通流预测精度不高,一种结合粗糙集和支持向量回归智能算法的交通流预测模型提出,通过ROSETTA软件进行属性约简预处理,筛选出影响交通流变化的关键影响因素,剔除冗余信息。筛选结果显示外轮进出艘次、对外贸易总额、港口GDP、集装箱标准箱、港口货物吞吐量为输入变量,运用Libsvm软件构建基于遗传算法参数寻优的支持向量回归模型预测2008年和2009年的交通流。算例结果表明,与BP神经网络和SVM模型相比,组合预测模型是有效和实用的预测工具。
影響交通流變化的因素衆多,為改進傳統的船舶交通流預測精度不高,一種結閤粗糙集和支持嚮量迴歸智能算法的交通流預測模型提齣,通過ROSETTA軟件進行屬性約簡預處理,篩選齣影響交通流變化的關鍵影響因素,剔除冗餘信息。篩選結果顯示外輪進齣艘次、對外貿易總額、港口GDP、集裝箱標準箱、港口貨物吞吐量為輸入變量,運用Libsvm軟件構建基于遺傳算法參數尋優的支持嚮量迴歸模型預測2008年和2009年的交通流。算例結果錶明,與BP神經網絡和SVM模型相比,組閤預測模型是有效和實用的預測工具。
영향교통류변화적인소음다,위개진전통적선박교통류예측정도불고,일충결합조조집화지지향량회귀지능산법적교통류예측모형제출,통과ROSETTA연건진행속성약간예처리,사선출영향교통류변화적관건영향인소,척제용여신식。사선결과현시외륜진출소차、대외무역총액、항구GDP、집장상표준상、항구화물탄토량위수입변량,운용Libsvm연건구건기우유전산법삼수심우적지지향량회귀모형예측2008년화2009년적교통류。산례결과표명,여BP신경망락화SVM모형상비,조합예측모형시유효화실용적예측공구。
Many factors contribute to vessel’s traffic flow, to improve the forecasting accuracy of the traditional method, an integrated model of Rough Sets Theory(RST), Genetic Algorithm(GA) and Support Vector Regression(SVR), RST-GA-SVR, for traffic volume forecasting is proposed. ROSETTA software is used in data preprocessing, through the rough set attribute reduction algorithm to find the core impact factor of volume and remove redundant information. The results reveal the No. of in-and-out foreign vessels, foreign trade volume, port GDP, container TEU, port cargo throughput as input vector. GA is used for parameters selection in SVR model and the trained LIBSVM model is used to forecast the volume in 2008 and 2009. Compared with BP neural network and SVM models, empirical results show that RST-GA-SVR model is an efficient and practical tool for vessel volume forecasting.