原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第36卷第6期 吉林大学学报(工学版) V01．36No．6
2006年11月 JournalofJilin and Nov．2006
University(EngineeringTbchnologyEdition)
文章编号：1671—5497(2006)06一0881一04
基于支持向量机方法的短时交通流量预测方法
杨兆升，王媛，管青
(吉林大学交通学院，长春130022)
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。
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
中图分类号：U49l 文献标识码：A
Short—te珊tra艏cnow methodbasedonSVM
prediction
Yuan，Guan
YangZhao—sheng，WangQing
130022，C^i眦)
(coffegeQ厂‰唧or￡戚抽玮，^妇‰i钾邢渺，矾n，样^uH
the modelsand thecharacteristicsofthetraffieitself
Abstract：Summarizingexistingpredietion considering
suchas and short-te姗tramcnow modelbasedon
uncertainty，a
nonlinearity，complexity prediction support
reaI dataValjda￡ionthe
vec￡or traffjc and withthetJja踊cnow
macbine(SVM)waspr叩08ed．7Ihe compa—son
modelbasedontheBPneuraInetworkresultedinaconclusionthatthismodelis totheBP
prediction supe“or
neuralnetworkmodelonthe ofpredictionaccuracy，conVergencetime，
aspects generalizationability，
andsoon．
optimizationpossibility
ofcommunicationsand flow
system；tramc
Keywords：en舀nee“ng transponation prediction；statisticsleaming
network
ne
文档评论（0）