基于遗传算法_支持向量机的铁路货运量预测_王治.pdfVIP

基于遗传算法_支持向量机的铁路货运量预测_王治.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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
基于遗传算法_支持向量机的铁路货运量预测_王治.pdf

  第 27 卷 第 12期 计 算 机 仿 真 20 10 年 12 月   文章编号:1006 -9348(20 10)12 -0320-03 基于遗传算法-支持向量机的铁路 运量预测 王 治 (九江学院信息科学与技术学院, 江西九江 332005) 摘要:铁路 运量预测是铁路运输部门一项重要工作。 针对建立精确预测模型的困难, 结合支持向量机与遗传算法 (- ), 提出一种铁路 运量预测新方法。 利用遗传算法确定支持向量机中的训练参数, 以得到优化的支持向量机预测模 型, 并利用支持向量机在小样本、非线性中优越的预测性能对铁路 运量进行预测。 昆明市 199 1 ~ 2005 年铁路 运量数据 作为实验数据, 并采用神经网络与 -进行对比分析, 实验结果表明, -预测精确更高, 误差更小, 可以 更有效地对铁路 运量进行预测。 关键词:铁路 运量;支持向量机;遗传算法;预测模型 中图分类号:294.1+3  文献标识码: - (, , 332005, ) : ., . () , , . 199 1 2005. -.-- , - . :;();(); 支持向量机 (, )是一种基于 1 引言 结构风险最小化原则的学习方法。 该方法以统计学历理论 铁路 运量预测是铁路运输部门一项重要工作, 由于难 为基础, 在小样本、高维、非线性预测领域有着很好的应用 [4, 5] 以建立精确的数学预测模型, 智能预测技术在铁路 运量预 效果 。 支持向量机中训练参数的选择对其预测效果有着 [1] 测中应用越来越广泛 , 利用智能预测建立铁路 运量时序 较大的影响, 对此本文提出遗传-支持向量机 (-) [6, 7] 预测模型, 对铁路 运量进行精确预测。 由于径向基函数 铁路 运量预测方法, 由于采用遗传算法 优化支持向量 (, )神经网络学习中的运算速度、预 机中训练参数, 从而得到优化的遗传支持向量机铁路 运量 测精度都优于 算法, 因而神经网络在铁路 运量预 预测模型。 昆明市 1991 ~ 2005 年铁路 运量数据作为实验 [2] [8] 测应用较多, 并取得了一定的成果 。 然而, 人工神经网络, 数据 , 实验结果表明相比于神经网络, 遗传支持向量 [3] 包括 神经网络都存在局部极值和过拟合等问题 , 这 机预测精度更高, 误差更小, 可以更有效地对铁路 运量进 [3] 些问题影响其预测效果 。 行预测。 收稿日期:2009 -12-0 1 修回日期:2009-12-2 1 — 320 — 其中为输入矢量集, 为期望的输出集, 为输入矢量的 2 铁路 运量预测方法 维数。 2.1 支持向量机回归

文档评论(0)

aiwendang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档