改进的花授粉算法优化SVM在交通流中的应用

被引：11

作者：

孙朝东

梁雪春

机构：

[1] 南京工业大学电气工程与控制科学学院

来源：

计算机工程与设计 | 2016年 / 37卷 / 10期

关键词：

短时交通流; 相空间重构; 模拟退火; 花朵授粉; 支持向量机;

D O I：

10.16208/j.issn1000-7024.2016.10.026

中图分类号：

U491.112 []; TP18 [人工智能理论];

学科分类号：

082302 ; 082303 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对短时交通流预测模型存在稳定性不好、预测精度不高等问题,提出一种利用改进的花授粉算法(SFPA)优化支持向量机的短时交通流预测模型。将短时交通流时间序列进行相空间重构,利用模拟退火算法对FPA进行改进,形成SFPA优化算法,并应用到支持向量机参数优化过程中,构建一种SFPA-SVM短时交通流预测模型。通过实例对该模型进行性能测试,测试结果表明,SFPA-SVM模型提高了预测精度,对短时交通流预测是有效可行的。

引用

收藏

页码：2717 / 2721

页数：5

相关论文

共 12 条

[1] 基于模拟退火的花朵授粉优化算法 [J].

肖辉辉 ;

万常选 ;

段艳明 ;

钟青 .

计算机应用, 2015, 35 (04) :1062-1066+1070

[2] 基于灰色遗传支持向量机的短时交通流预测 [J].

王珂 ;

田瑞 ;

王菲菲 .

武汉理工大学学报(交通科学与工程版), 2014, (05) :1006-1010

[3] 短时交通流组合模型预测 [J].

沈国江 ;

朱芸 ;

钱晓杰 ;

胡越 .

南京理工大学学报, 2014, 38 (02) :246-251

[4] 一种新的基于GCS-SVM的网络流量预测模型 [J].

赖锦辉 ;

梁松 .

计算机工程与应用, 2013, 49 (21) :75-78

[5] 基于SVR的非线性时间序列预测方法应用综述 [J].

陈荣 ;

梁昌勇 ;

谢福伟 .

合肥工业大学学报(自然科学版), 2013, 36 (03) :369-374

[6] 基于蚁群优化支持向量机的短时交通流量预测 [J].

徐鹏 ;

姜凤茹 .

计算机应用与软件, 2013, 30 (03) :250-254

[7] 基于IPSO混沌支持向量机的网络流量预测研究 [J].

尹波 ;

夏靖波 ;

付凯 ;

陈茂 .

计算机应用研究, 2012, 29 (11) :4293-4295+4299

[8] 改进粒子群算法优化BP神经网络的短时交通流预测 [J].

李松 ;

刘力军 ;

翟曼 .

系统工程理论与实践, 2012, 32 (09) :2045-2049

[9] 短时交通流预测模型 [J].

樊娜 ;

赵祥模 ;

戴明 ;

安毅生 .

交通运输工程学报, 2012, 12 (04) :114-119

[10] 基于最小二乘支持向量机的交通流量预测模型 [J].

赵亚萍 ;

张和生 ;

周卓楠北京交通大学电气工程学院 ;

杨军 ;

潘成 ;

贾利民 .

北京交通大学学报, 2011, 35 (02) :114-117+136