自适应权重粒子群优化LS-SVM的交通流预测

精确的短时交通预测是建立智能交通系统的一个重要前提,而具有明显周期性特点的交通流量的预测是其中的一个重要环节。为实现交通流量的准确预测,提出一种基于自适应惯性权重的粒子群优化(AωPSO)最小二乘支持向量机(LS-SVM)的短时交通流量预测方法,通过引入粒子种群多样性,设计自适应惯性权重调节方法,借助PSO算法的寻优能力实现LS-SVM参数的优化,减少人为因素对参数选择的影响,提高LS-SVM的泛化能力和预测精度。实验结果表明,与BP网络、LS-SVM等方法相比,该方法具有精度高、泛化能力强的特点。