基于PCA改进的SOR-LS-SVM公路旅游客流量预测模型

• 作者: 张朝元 陈丽
• 来源期刊: 科技通报
• 学科: 交通运输
• 关键词: 主成分分析法 最小二乘支持向量机 SOR-LS-SVM 公路旅游客流量 预测模型
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 工业技术
• 页码范围: 155-158
• 页数: 4页
• 分类号: TP391|U491
• 字数: 3563字
• 语种: 中文

摘要

影响公路交通旅游客流量的众多因素增加了预测模型中的输入变量复杂性，减少了模型运行速度和预测准确度。首先，采用主成分分析法对影响公路旅游客流量的指标进行分析得到了主成分即输入变量，然后建立以主成分为输入变量、以旅游客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实际例子验证和比较，揭示了基于主成分分析法改进的超松弛的最小二乘支持向量机公路交通旅游客流量预测模型具有较好的预测精度和较高的应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丽	大理学院工程学院	30	99	5.0	8.0
2	张朝元	大理学院数学与计算机学院	38	141	7.0	9.0