基于支持向量回归机的公路货运量预测模型.pdfVIP

维普资讯 第25卷第2期 计 算 机 应 用 研 究 Vol，25No，2 2008年2月 Application ResearchofComputers Feb．2008 基于支持向量回归机的公路货运量预测模型 黄 虎h，严余松 ，蒋葛夫h，廖百胜 ，夏国恩 (1．西南交通大学 a．物流学院，b．经济管理学院，成都610031；2，四川师范大学，成都 610068；3．西南科技大 学 土木工程与建筑学院，四川 绵阳621010) 摘 要：为了提高公路货运量预测的能力，应用基于结构风险最小化准则的标准支持向量回归机方法来研究公 路货运量预测问题。在选择适当的参数和核函数的基础上，通过对成都公路货运量时间序列进行预测，并与人 工神经网络 线性回归分析等方法进行了对比，发现该方法能获得最小的训练相对误差和测试相对误差。 关键词：公路货运量；支持向量回归机；人工神经网络；预测 中国分类号：U492．313；TP391 文献标志码：A 文章编号：t0013695(2008)02．063202 Modelofhighwayfreighttrafficforecastsbasedonsupportvectorregression HUANG Hu ，YANYu。song ，JIANG Ge—fu ，LIAOBaisheng ，XIAGuoen (1a．CollegeoiLogistics，b、CollegeoiEconomics＆Management，SouthwestJiaotongUniversity，Chengdu610031，China；2．SichuanNonrud Univemity，Chengdu610068，China；3．CollegeofCivilEngineering＆Construction，SouthwestScience＆TechnologyUnive~iO．Mianyang Sichuan621010，China) Abstract：Toimprovetheforecastabilityofhighwayfreighttraffic，SVRbasedonstructuralriskminimizationwasappliedto forecastinghighwayfreighttraffic．Byselectingappropriateparametersandkernelfunction，theproposedapproachwasused forforecastinghighwayfreighttrafficofChengducity．Comparedwithartificialneuralnetwork(ANN)andlinearregression analysis，experimentalresultsshowthatthetrainingrelativeerrorandtestingrelativeerrorobtainedbySVRislowerthanthat byANNandlinearregressionanalysis． Keywords：highwayrfeighttraffic；supportvectorregression(SVR)；artificialneuralnetwork(ANN)；forecast 公路货运量预测是反映公路货物运输需求的一项重要指 标 ，它的研究和分析具有较强的实际和理论意义。正确预测公 1 支持 向量回归机 路货运量对国家的交通发展和资源配置优化，以及各物流企业 以统计学习理论为基础的支持向量机 (supportvectorma- 的投资、经营管理有重要作用。传统公