一种LS-SVM在线式短时交通流预测方法

• 作者: 唐蕾 康军 段宗涛 温兴超
• 来源期刊: 计算机应用研究
• 关键词: 短时交通流预测 统计学习 最小二乘支持向量机 在线式学习算法 滑动时间窗口
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2965-2968
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.020

摘要

针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法.该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通过线性运算完成Lagrange乘子的更新,进而完成预测模型的在线更新.测试结果表明,相对已有方法,所提方法在保证预测精度的条件下,能够将在线模型更新时间平均降低约62.64％,是一种有效的在线式短时交通流预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段宗涛	长安大学信息工程学院	39	158	7.0	10.0
3	唐蕾	长安大学信息工程学院	16	64	5.0	7.0
6	康军	长安大学信息工程学院	33	168	8.0	11.0
10	温兴超	长安大学信息工程学院	4	17	2.0	4.0