基于蚁群优化支持向量机的短时交通流量预测

• 作者: 姜凤茹 徐鹏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 短时交通流量 支持向量机 蚁群优化算法 预测
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 250-254
• 页数: 5页
• 分类号: TP273
• 字数: 5249字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.03.066

摘要

为了提高短时交通流量的预测精度,提出一种蚁群算法(ACO)优化支持向量机(SVM)参数的短时交通流量预测模型(ACO-SVM).将SVM参数的选取看作参数的组合优化问题求解,采用鲁棒性较强的ACO来搜索最优解.仿真结果表明,ACO-SVM在预测精度、收敛速度、泛化能力等方面均优于参比模型,更适合于短时交通流量的预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜凤茹	河南商业高等专科学校应用电子系	9	29	3.0	5.0
2	徐鹏	湛江师范学院数学与计算科学学院	12	50	5.0	7.0