基于支持向量机方法的短时交通流量预测方法

被引：82

作者：

杨兆升

王媛

管青

机构：

[1] 吉林大学交通学院

来源：

关键词：

交通运输系统工程; 交通流量预测; 统计学习理论; 支持向量机; BP神经网络;

D O I：

10.13229/j.cnki.jdxbgxb2006.06.010

中图分类号：

U491.14 [];

学科分类号：

082302 ; 082303 ;

摘要：

在总结已有多种预测模型的基础上,充分考虑了交通本身所存在的非线性、复杂性和不确定性,提出了一种基于支持向量机的短时交通流量预测模型。实例数据验证结果和基于BP神经网络的预测模型的对比结果表明,该模型在精度、收敛时间、泛化能力、最优性等方面均优于基于BP神经网络的预测模型。

引用

页码：881 / 884

页数：4

共 6 条

[1] BP网络和支持向量机在非线性函数逼近中的应用 [J].

陈浩 ;

陈立辉 ;

毕笃彦 ;

毛柏鑫 .

[2] 基于数学模型的短时交通流预测方法探讨 [J].

贺国光 ;

李宇 ;

马寿峰 .

[3]

ITS系统工程导论[M]. 中国铁道出版社 , 贺国光编著, 2004

[4]

人工神经网络技术及应用[M]. 中国电力出版社 , 陈祥光, 2003

[5]

城市交通流诱导系统理论与模型[M]. 人民交通出版社 , 杨兆升著, 2000

[6]

支持向量机预测方法研究及其在电力市场预测中的应用 .2 石斌强. 西安交通大学 . 2003