论文摘要
为了提高大型公共交通短期客流预测精度,提出了一种在利用集成经验模态分解原始数据的条件下,采用灰狼优化算法优化最小二乘支持向量机(EEMD-GWO-LSSVM)的算法,利用该算法实现城市大型公共交通短期客流预测。该模型采用EEMD分解原始数据,将分解后的各个本征模函数(IMF)分量运用最小二乘支持向量机进行回归预测,最小二乘支持向量机的预测参数由灰狼算法进行优化。通过对西安地铁二号线北客站一个月进出站人数进行训练预测,将预测结果和支持向量机(SVM),自回归移动平均模型(ARIMA),仅利用灰狼优化参数的最小二乘支持向量机(GWO-LSSVM)算法以及基于交叉检验进行参数优化的最小二乘支持向量机进行对比,分析得出该算法具有更加精确的预测结果。
论文目录
文章来源
类型: 期刊论文
作者: 王盛,杨信丰
关键词: 公共交通,短期预测,灰狼优化,最小二乘支持向量机
来源: 计算机工程与应用 2019年20期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 兰州交通大学交通运输学院
基金: 国家自然科学基金(No.71761024),兰州局集团公司2019年科技发展项目计划
分类号: TP181;U492.413
页码: 216-221+239
总页数: 7
文件大小: 5016K
下载量: 434
相关论文文献
标签:公共交通论文; 短期预测论文; 灰狼优化论文; 最小二乘支持向量机论文;