基于灰色自适应粒子群LSSVM的铁路货运量预测

被引：17

作者：

耿立艳

梁毅刚

机构：

[1] 石家庄铁道大学经济管理学院

来源：

西南交通大学学报 | 2012年 / 47卷 / 01期

基金：

国家软科学研究计划;

关键词：

铁路货运量预测; 灰色预测模型; 最小二乘支持向量机; 自适应粒子群算法;

D O I：

暂无

中图分类号：

U294.13 [];

学科分类号：

摘要：

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006～2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.

引用

页码：144 / 150

页数：7

共 16 条

[1]

灰色系统理论及其应用.[M].刘思峰等著;.科学出版社.2004,

[2] Least squares support vector machine classifiers [J].