基于群智能算法優(yōu)化SVR的短時(shí)交通流預(yù)測(cè).pdf

1、智能交通系統(tǒng)是緩解道路交通擁堵、減少交通事故和提高交通運(yùn)行效率的重要應(yīng)用系統(tǒng)。實(shí)時(shí)準(zhǔn)確可靠的交通流量預(yù)測(cè)是實(shí)現(xiàn)智能交通系統(tǒng)控制和誘導(dǎo)的關(guān)鍵內(nèi)容，具有重大的理論研究和實(shí)際應(yīng)用價(jià)值。
　　本文以短時(shí)交通流量預(yù)測(cè)為研究主題，總結(jié)了短時(shí)交通流預(yù)測(cè)的研究現(xiàn)狀，在學(xué)習(xí)交通流預(yù)測(cè)原理和支持向量回歸(Support Vector Regression，SVR)理論的基礎(chǔ)上，對(duì)基于SVR的短時(shí)交通流預(yù)測(cè)模型中參數(shù)選擇問(wèn)題進(jìn)行了探討和研究，運(yùn)用群智能

2、優(yōu)化方法進(jìn)行最優(yōu)參數(shù)選擇，并且仿真實(shí)際數(shù)據(jù)來(lái)驗(yàn)證提出的預(yù)測(cè)模型。本文的主要工作如下:
　　1.對(duì)人工魚(yú)群算法優(yōu)化支持向量回歸的參數(shù)選擇模型進(jìn)行研究。針對(duì)支持向量回歸的懲罰系數(shù)、不敏感損失系數(shù)和核函數(shù)參數(shù)的選擇對(duì)回歸算法的預(yù)測(cè)精度的重要影響，結(jié)合交通流數(shù)據(jù)特征，本文運(yùn)用人工魚(yú)群算法對(duì)支持向量回歸參數(shù)進(jìn)行優(yōu)化選擇，同時(shí)引入人工魚(yú)群算法中感知視野和移動(dòng)步長(zhǎng)參數(shù)的自適應(yīng)搜索機(jī)制，建立了基于人工魚(yú)群算法優(yōu)化支持向量回歸的短時(shí)交通流預(yù)測(cè)模型。

3、實(shí)際數(shù)據(jù)的仿真實(shí)驗(yàn)和模型的對(duì)比結(jié)果表明了提出的回歸預(yù)測(cè)模型的可行性和有效性。
　　2.對(duì)混合粒子群人工魚(yú)群算法優(yōu)化支持向量回歸的參數(shù)選擇模型進(jìn)行研究。在人工魚(yú)群算法優(yōu)化支持向量回歸的預(yù)測(cè)模型的研究基礎(chǔ)上，為解決人工魚(yú)群算法中的初始參數(shù)較多問(wèn)題以及步長(zhǎng)因子設(shè)置對(duì)尋優(yōu)性能的影響，本文提出采用粒子群優(yōu)化算法對(duì)人工魚(yú)群算法進(jìn)行改進(jìn)，減少了步長(zhǎng)因子對(duì)人工魚(yú)群算法影響，并且引入混沌機(jī)制初始化人工魚(yú)群位置信息，從而對(duì)支持向量回歸進(jìn)行參數(shù)選擇，建