改进引力搜索最小二乘支持向量机交通流预测

发布时间：2021-01-04 21:12

　　为了提高基于最小二乘支持向量机的交通流预测模型的精度,提出一种新的改进引力搜索算法（TCKAGSA）对其进行参数寻优。首先,基于tent映射改进Kbest函数,使算法具有跳出局部最优的机制;然后,引入全局最优引导策略,使粒子加速朝向最优解移动;接着,将进化度因子和聚合度因子引入速度更新权重系数,使算法具有较强的自适应能力。针对12个基准函数的仿真结果表明,TCK-AGSA的性能优于GSA及其改进算法。最后,建立基于TCK-AGSA寻优的最小二乘支持向量机模型,并选取2016年贵州省高速公路真实交通流数据进行预测实验,结果表明该模型具有更好的预测精度、鲁棒性和泛化能力。 

【文章来源】：计算机应用研究. 2019年12期 北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 相关工作
    1.1 最小二乘支持向量机
    1.2 引力搜索算法
2 改进引力搜索算法设计
    2.1 基于tent映射的混沌Kbest
    2.2 自适应权重全局最优引导速度更新
3 仿真实验与结果分析
4 交通流预测应用
    4.1 数据基础及预处理
    4.2 TCK-AGSA算法优化LSSVM模型的交通流预测
    4.3 参比模型与评价指标
    4.4 预测结果对比分析
5 结束语


【参考文献】：
期刊论文
[1]一种LS-SVM在线式短时交通流预测方法[J]. 康军,段宗涛,唐蕾,温兴超.  计算机应用研究. 2018(10)
[2]基于SAPSO-LSSVM的蛋白质模型质量评估[J]. 王鲜芳,张悦,王俊美.  计算机应用研究. 2017(05)
[3]基于FOA优化混合核LSSVM的铁路货运量预测[J]. 耿立艳,陈丽华.  计算机应用研究. 2017(02)
[4]基于信息熵的混合引力搜索算法[J]. 郭洁皓,高兴宝.  计算机应用研究. 2016(05)



本文编号：2957378