基于群智能算法優(yōu)化SVR的短時交通流預(yù)測.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行效率的重要應(yīng)用系統(tǒng)。實時準(zhǔn)確可靠的交通流量預(yù)測是實現(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際應(yīng)用價值。
　　本文以短時交通流量預(yù)測為研究主題，總結(jié)了短時交通流預(yù)測的研究現(xiàn)狀，在學(xué)習(xí)交通流預(yù)測原理和支持向量回歸(Support Vector Regression，SVR)理論的基礎(chǔ)上，對基于SVR的短時交通流預(yù)測模型中參數(shù)選擇問題進行了探討和研究，運用群智能

2、優(yōu)化方法進行最優(yōu)參數(shù)選擇，并且仿真實際數(shù)據(jù)來驗證提出的預(yù)測模型。本文的主要工作如下:
　　1.對人工魚群算法優(yōu)化支持向量回歸的參數(shù)選擇模型進行研究。針對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)的選擇對回歸算法的預(yù)測精度的重要影響，結(jié)合交通流數(shù)據(jù)特征，本文運用人工魚群算法對支持向量回歸參數(shù)進行優(yōu)化選擇，同時引入人工魚群算法中感知視野和移動步長參數(shù)的自適應(yīng)搜索機制，建立了基于人工魚群算法優(yōu)化支持向量回歸的短時交通流預(yù)測模型。

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