基于混沌高效遗传算法优化SVM的交通量预测

被引：4

作者：

康海贵

李明伟

周鹏飞

赵泽辉

机构：

[1] 大连理工大学工程建设学部

来源：

武汉理工大学学报(交通科学与工程版) | 2011年 / 35卷 / 04期

关键词：

公路交通流量预测; 支持向量机; 加速遗传算法; 混沌;

D O I：

暂无

中图分类号：

U491.113 [];

学科分类号：

摘要：

针对交通量预测本身所存在的小样本、非线性和复杂性等特点,利用支持向量机建立了基于RBF核函数的SVM交通量预测模型,采用基于混沌映射和加速遗传算法的混沌高效遗传算法对SVM模型参数C,ε和δ2进行优选,结合某市1978～2008年交通量实测资料进行了仿真验证,与GA-SVM模型和BP神经网络模型的仿真预测结果对比表明:该模型取得了较好的预测效果,可有效应用于城市交通量的预测.

引用

页码：649 / 653

页数：5

共 8 条

[1] Risk assessment-new trends in Germany. Rettemeir K,Falkenhagen B,Kongeter J. The Proceedings of 21th Int Congress on Large Dams . 2000
[2] Financial time series forecasting using support vector machines. Kim K J. Neurocomputing . 2003
[3] An overview of statistical learning theory. Vapnik VN. IEEE Transactions on Neural Networks . 1999
[4] Asymptotic behaviors of support vector machines with gaussian kernel. Keerthi S S,Lin C J. Neural Computation . 2003
[5] Practical selection of SVM parameters and noise estimation for SVM regression. Vladimir Cherkassky,Yunqian Ma. Neural Networks . 2004
[6] Financial time series forecasting using support vector machines[J] . Kyoung-jae Kim. &nbspNeurocomputing . 2003 (1)
[7] Improved particle swarm optimization combined with chaos
Liu, B
Wang, L
Jin, YH
Tang, F
Huang, DX
[J]. CHAOS SOLITONS & FRACTALS, 2005, 25 (05) : 1261 - 1271
[8] Improved particleswarm optimization combined with chaos. Liu B,Wang L,Jin Y H,et al. ChaosSolutions and Fractals . 2005

← 1 →