Paper Publications

Hits:

Affiliation of Author(s):计算机科学与数学学院

Journal:计算机工程与应用

Funded by:省、自治区、直辖市科技项目

Key Words:短时交通流；预测模型；相空间重构；支持向量回归机

Abstract:短时交通流预测首先重构相空间，然后采用时间序列模型预测交通流量，而支持向量回归机（SVR）是比较 好的时间序列预测模型。但短时交通流相空间重构的嵌入维数与延迟时间与支持向量回归机的参数确定往往是分 别独立地求解，难以达到两组参数值的同时最优，影响预测的准确性。为了提高短时交通流的预测准确性，提出一 种利用粒子群算法联合优化相空间重构和支持向量回归机的预测模型，并用于实际短时交通流数据的预测。该模型的相空间重构和支持向量回归机（SVR）的参数联合一起优化，利用粒子群算法同时优化其两组参数的组合值。采用短时交通流数据仿真，结果表明联合一起优化所得参数的预测器提高了简单模型预测的效果.

Indexed by:Journal paper

Document Code:7254

Volume:50

Issue:3

Page Number:13-17

ISSN No.:1002-8331

Translation or Not:no

CN No.:11-2127/TP

Date of Publication:2014-02-01