期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于蚁群优化支持向量机模型的公路客运量预测
被引量：
23
1
作者
孙煦
陆化普
吴娟
《合肥工业大学学报（自然科学版）》
CAS
CSCD
北大核心
2012年第1期124-129,共6页
针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机...
针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。
展开更多
关键词
公路客运量预测
支持向量机
蚁群算法
参数优化
预测
模型
在线阅读
下载PDF
职称材料
GM模型和Markov模型在公路客运量预测中的综合运用
被引量：
1
2
作者
雷晓斌
郭璐
《西部交通科技》
2013年第12期78-83,共6页
文章在应用灰色理论构建的GM预测模型基础上,以Markov模型为修正方法,建立GM!Markov模型,并以陕西省2003!2012年公路客运量为基础数据对上述理论进行实例验证。结果表明:与实际客运量相比,GM模型的相对误差为11.08%,而GM!Markov模型的...
文章在应用灰色理论构建的GM预测模型基础上,以Markov模型为修正方法,建立GM!Markov模型,并以陕西省2003!2012年公路客运量为基础数据对上述理论进行实例验证。结果表明:与实际客运量相比,GM模型的相对误差为11.08%,而GM!Markov模型的相对误差仅为5.61%,GM!Markov模型拟合精度较高,更加贴近实际情况。
展开更多
关键词
公路客运量预测
灰色GM(1
1)模型
马尔科夫(Markov)模型
在线阅读
下载PDF
职称材料
基于灰色PSO-BP的客运量预测模型
被引量：
1
3
作者
张忍
吕光辉
《山东交通学院学报》
CAS
2013年第2期35-38,共4页
在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运...
在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。
展开更多
关键词
灰色模型
PSO算法
BP神经网络
灰色PSO—BP
公路客运量预测
在线阅读
下载PDF
职称材料
题名
基于蚁群优化支持向量机模型的公路客运量预测
被引量：
23
1
作者
孙煦
陆化普
吴娟
机构
清华大学交通研究所
军事交通学院汽车指挥系
出处
《合肥工业大学学报（自然科学版）》
CAS
CSCD
北大核心
2012年第1期124-129,共6页
基金
国家高技术研究发展计划(863计划)资助项目(2007AA11Z202)
高等学校博士学科点专项科研基金资助项目(20070003065)
文摘
针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。
关键词
公路客运量预测
支持向量机
蚁群算法
参数优化
预测
模型
Keywords
passenger traffic volume forecasting
support vector machine（SVM）
ant colony algorithm
parameter optimization
forecasting model
分类号
TU491 [建筑科学—土工工程]
在线阅读
下载PDF
职称材料
题名
GM模型和Markov模型在公路客运量预测中的综合运用
被引量：
1
2
作者
雷晓斌
郭璐
机构
西安公路研究院
长安大学
出处
《西部交通科技》
2013年第12期78-83,共6页
文摘
文章在应用灰色理论构建的GM预测模型基础上,以Markov模型为修正方法,建立GM!Markov模型,并以陕西省2003!2012年公路客运量为基础数据对上述理论进行实例验证。结果表明:与实际客运量相比,GM模型的相对误差为11.08%,而GM!Markov模型的相对误差仅为5.61%,GM!Markov模型拟合精度较高,更加贴近实际情况。
关键词
公路客运量预测
灰色GM(1
1)模型
马尔科夫(Markov)模型
Keywords
Highway passenger volume forecast
Gray GM（ 1,1 ）model
Markov model
分类号
U492.413 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于灰色PSO-BP的客运量预测模型
被引量：
1
3
作者
张忍
吕光辉
机构
长安大学汽车学院
出处
《山东交通学院学报》
CAS
2013年第2期35-38,共4页
文摘
在灰色预测模型、BF神经网络与粒子群优化算法PSO的基础上建立基于灰色PSO-BP的公路客运量预测模型。并根据陕西省近10 a的公路客运量数据,对GM(1,1)、BP神经网络、灰色PSO-BP网络预测模型的预测结果进行比较,得出基于灰色PSO-BP的客运量预测模型能充分发挥各种算法的优势、提高预测精度,更适合运用在公路客运量预测的领域中。
关键词
灰色模型
PSO算法
BP神经网络
灰色PSO—BP
公路客运量预测
Keywords
gray model
particle swarm optimization （PSO） algorithm
BP neural networks
gray PSO-BP
highway passenger quantity prediction
分类号
U49 [交通运输工程—交通运输规划与管理]
F54 [经济管理—产业经济]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于蚁群优化支持向量机模型的公路客运量预测
孙煦
陆化普
吴娟
《合肥工业大学学报（自然科学版）》
CAS
CSCD
北大核心
2012
23
在线阅读
下载PDF
职称材料
2
GM模型和Markov模型在公路客运量预测中的综合运用
雷晓斌
郭璐
《西部交通科技》
2013
1
在线阅读
下载PDF
职称材料
3
基于灰色PSO-BP的客运量预测模型
张忍
吕光辉
《山东交通学院学报》
CAS
2013
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
