基于EEMD-IPSO-LSSVM的交通流组合预测模型

• 作者: 何怡刚 唐圣期 李胜 殷礼胜
• 来源期刊: 电子测量与仪器学报
• 学科: 交通运输
• 关键词: 集合经验模态分解 改进型粒子群算法 最小二乘支持向量机
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 126-133
• 页数: 8页
• 分类号: U491.1
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902180

摘要

针对短时交通流时间序列数据非平稳、非线性的特点,为提高短时交通流的预测精度和收敛速度,提出了一种基于集合经验模态分解(EEMD)和改进型粒子群算法(IPSO)优化的最小二乘支持向量机(LSSVM)的组合预测模型.首先,利用集合经验模态分解方法将短时交通流时间序列样本数据分解为多个本征模函数(IMF)和一个残差项(RES),细化了交通流量的信息,提高了建模的精确度;然后,对分解后的每个分量使用LSSVM并结合IPSO算法进行组合预测,通过选择不同的最优的支持向量机核函数,提高模型精度,通过IPSO算法提高预测效率;最后,将各分量预测值进行叠加作为最终交通流预测值.实验结果表明,EEMD-IPSO-LSSVM组合模型的均方根误差(MSE)比LSSVM模型和PSO-LSSVM模型分别降低了47.4％和24.6％,该组合模型提高了预测精度,并且能够快速地预测交通流时间序列.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷礼胜		17	84	6.0	8.0
2	何怡刚		175	1119	17.0	26.0
3	唐圣期		3	6	1.0	2.0
4	李胜		5	11	2.0	3.0