基于PSO-SVR动态模型的车辆排队长度预测

• 作者: 孙文兵 彭跃辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量回归 粒子群算法 参数优化 车辆排队长度 预测
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 工程与应用
• 页码范围: 239-243
• 页数: 5页
• 分类号: TP274
• 字数: 4696字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1401-0421

摘要

针对突发事件下城市道路车辆排队系统的特点，从时空角度综合考虑车辆排队系统的影响因素，建立支持向量回归（SVR）动态模型对车辆排队长度进行预测。考虑到参数选择对模型性能影响的敏感性，提出了以k折交叉验证（k-CV）均方误差平均值为适应度的粒子群优化（PSO）方法并对SVR模型参数进行寻优。用提出的PSO-SVR模型与K-CV和遗传算法（GA）优化的SVR模型以及BP网络预测模型对比，实验结果表明，该模型具有较高的预测精度和泛化能力，适用于车辆排队长度的预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭跃辉	邵阳学院信息工程系	14	23	3.0	4.0
2	孙文兵	邵阳学院理学与信息科学系	43	75	5.0	6.0