基于蚁群优化支持向量机的短时交通流量预测.pdfVIP

基于蚁群优化支持向量机的短时交通流量预测.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第30卷第3期    计算机应用与软件 Vol30No.3 2013年3月   ComputerApplicationsandSoftware Mar.2013 基于蚁群优化支持向量机的短时交通流量预测 1 2 徐 鹏  姜凤茹 1(湛江师范学院数学与计算科学学院 广东湛江524048) 2(河南商业高等专科学校应用电子系 河南郑州450044) 摘 要  为了提高短时交通流量的预测精度,提出一种蚁群算法(ACO)优化支持向量机(SVM)参数的短时交通流量预测模型 (ACOSVM)。将SVM参数的选取看作参数的组合优化问题求解,采用鲁棒性较强的ACO来有哪些信誉好的足球投注网站最优解。仿真结果表明,ACO SVM在预测精度、收敛速度、泛化能力等方面均优于参比模型,更适合于短时交通流量的预测。 关键词  短时交通流量 支持向量机 蚁群优化算法 预测 中图分类号 TP273    文献标识码 A    DOI:10.3969/j.issn.1000386x.2013.03.066 SHORTTERMTRAFFICFLOWPREDICTIONBASEDONSVMOPTIMISEDBYACO 1 2 XuPeng JiangFengru 1(SchoolofMathematicsandComputerScience,ZhanjiangNormalUniversity,Zhanjiang524048,Guangdong,China) 2(DepartmentofAppliedElectronics,HenanBusinessCollege,Zhengzhou450044,Henan,China) Abstract  Inordertoimprovethepredictionaccuracyofshorttermtrafficflow,thispaperproposesashorttermtrafficflowprediction modelbasedonsupportvectormachine(SVM)optimisedbyantcolonyalgorithm(ACO).TheparametersselectionproblemofSVMcould beconsideredastheproblemsolvingwithparameterscombinatorialoptimisation,ACOwithfineperformanceofrobustnessisappliedtosearch theoptimalvalueofobjectivefunction.SimulationresultsshowthattheproposedACOSVMmethodissuperiortoreferencemodelsonthe aspectsofpredictionaccuracy,convergencetime,generalisationabilityandsoon,andismoresuitableforshorttermtrafficflowprediction. Keywords  Shorttermtrafficflow Supportvectormachine Antcolonyoptimisation Prediction 学现象的任意非线性函数进行逼近和模拟,在非线性预测领域 0 引 言 如网络流量、短时交通流量中得到广泛的应用[5-7]。但在实际 应用中,神经网络的学习法采用经验风险最小化原理,不

文档评论(0)

docindoc + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档