灰色变异粒子群算法在公交客流量预测中的应用

被引:25
作者
米根锁
梁利
杨润霞
机构
[1] 兰州交通大学自动化与电气工程学院
关键词
灰色模型; 变异粒子群算法; 公交客流量; 预测;
D O I
暂无
中图分类号
U491.17 [];
学科分类号
摘要
由于公交客流量是公交系统发展规划的基础依据,因此提高公交客流量预测的准确性有利于城市公交的发展。利用粒子群算法优化参数的良好性能和灰色预测法适合预测不确定因素影响系统的优势,提出用灰色变异粒子群组合预测模型来预测公交客流量,提高公交客流量预测精度,并通过实例对组合预测模型的预测精度和有效性进行了分析。结果表明,此组合预测模型的预测精度优于单一的灰色预测模型,也优于其他几种常用预测算法,能很好地预测公交客流量,为公交系统的决策规划提供了可靠的科学数据。
引用
收藏
页码:104 / 110
页数:7
相关论文
共 12 条
[1]
基于随机灰色蚁群神经网络的近期公交客流预测 [J].
王庆荣 ;
张秋余 .
计算机应用研究, 2012, 29 (06) :2078-2080+2084
[2]
改进PSO优化BP神经网络的混沌时间序列预测 [J].
李松 ;
刘力军 ;
刘颖鹏 .
计算机工程与应用, 2013, 49 (06) :245-248+270
[3]
基于卡尔曼滤波的公交站点短时客流预测 [J].
张春辉 ;
宋瑞 ;
孙杨 .
交通运输系统工程与信息, 2011, 11 (04) :154-159
[4]
带变异算子的自适应粒子群优化算法 [J].
赵志刚 ;
常成 .
计算机工程与应用 , 2011, (17) :42-44+55
[5]
公路旅游客流量预测的支持向量回归模型 [J].
颜七笙 ;
王士同 .
计算机工程与应用 , 2011, (09) :233-235+239
[6]
基于灰色预测-马尔可夫链-定性分析的铁路货运量预测 [J].
张诚 ;
周湘峰 .
铁道学报, 2007, (05) :15-21
[7]
GM(1,3)模型在交通系统公路客运量预测中的应用 [J].
方丽君 ;
吴中 .
公路交通科技, 2006, (03) :163-166
[8]
基于递归神经网络的多变量系统预测控制 [J].
张燕 ;
王繁珍 ;
陈增强 ;
袁著祉 .
南开大学学报(自然科学版), 2006, (01) :49-53+61
[9]
铁路客货运量预测的随机灰色系统模型 [J].
张飞涟 ;
史峰 .
中南大学学报(自然科学版), 2005, (01) :158-162
[10]
基于蚁群算法的多层前馈神经网络 [J].
洪炳熔 ;
金飞虎 ;
高庆吉 .
哈尔滨工业大学学报, 2003, (07) :823-825