自适应权重粒子群优化LS-SVM的交通流预测
来源期刊:控制工程2017年第9期
论文作者:杨刚 王乐 戴丽珍 徐芳萍
文章页码:1838 - 1843
关键词:交通流;短时预测;粒子群优化;最小二乘支持向量机;自适应惯性权重;
摘 要:精确的短时交通预测是建立智能交通系统的一个重要前提,而具有明显周期性特点的交通流量的预测是其中的一个重要环节。为实现交通流量的准确预测,提出一种基于自适应惯性权重的粒子群优化(AωPSO)最小二乘支持向量机(LS-SVM)的短时交通流量预测方法,通过引入粒子种群多样性,设计自适应惯性权重调节方法,借助PSO算法的寻优能力实现LS-SVM参数的优化,减少人为因素对参数选择的影响,提高LS-SVM的泛化能力和预测精度。实验结果表明,与BP网络、LS-SVM等方法相比,该方法具有精度高、泛化能力强的特点。
杨刚1,2,王乐1,2,戴丽珍1,2,徐芳萍1,2
1. 华东交通大学电气与自动化工程学院2. 江西省先进控制与优化重点实验室
摘 要:精确的短时交通预测是建立智能交通系统的一个重要前提,而具有明显周期性特点的交通流量的预测是其中的一个重要环节。为实现交通流量的准确预测,提出一种基于自适应惯性权重的粒子群优化(AωPSO)最小二乘支持向量机(LS-SVM)的短时交通流量预测方法,通过引入粒子种群多样性,设计自适应惯性权重调节方法,借助PSO算法的寻优能力实现LS-SVM参数的优化,减少人为因素对参数选择的影响,提高LS-SVM的泛化能力和预测精度。实验结果表明,与BP网络、LS-SVM等方法相比,该方法具有精度高、泛化能力强的特点。
关键词:交通流;短时预测;粒子群优化;最小二乘支持向量机;自适应惯性权重;