基于支持向量機的公路車流量數(shù)據(jù)分析與預(yù)測模型.pdf

1、支持向量機是一種新的機器學(xué)習(xí)算法，以統(tǒng)計學(xué)習(xí)理論作為其理論基礎(chǔ)，它的訓(xùn)練等價于解決一個二次規(guī)劃問題，采用結(jié)構(gòu)風(fēng)險最小化原則，具有預(yù)測能力強、全局最優(yōu)及收斂速度快等顯著特點。因此，本文從研究混沌時間序列的預(yù)測入手，提出了一種基于支持向量機回歸理論的預(yù)測方法，并將其應(yīng)用于混沌時問序列預(yù)測中。為了驗證該算法的性能，我們做了兩項工作，一個是利用相空間的重構(gòu)理論對混沌時間序列進(jìn)行了單步與多步的預(yù)測，并同文獻(xiàn)中的神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析；另

2、一個是在混沌時間序列中加入不同水平的噪聲，并同BP網(wǎng)絡(luò)及RBF網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了比較分析。仿真結(jié)果表明，用支持向量回歸算法進(jìn)行混沌時間序列的預(yù)測能夠取得比其他方法更好的效果，具有很好的穩(wěn)健性及泛化能力。 在研究混沌時間序列預(yù)測的基礎(chǔ)上，我們結(jié)合高速公路車流量的特點，對高速公路車流量預(yù)測問題進(jìn)行研究，建立了基于支持向量機的高速公路車流量短期預(yù)測的模型，應(yīng)用實際的負(fù)荷數(shù)據(jù)進(jìn)行仿真試驗，實際試驗表明，該方法在預(yù)測的效果明顯的優(yōu)于人工