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FOA优化混合核LSSVM的铁路货运量预测
被引量：
14
1
作者
耿立艳
陈丽华
《计算机应用研究》
CSCD
北大核心
2017年第2期409-412,共4页
单一核最小二乘支持向量机(LSSVM)在铁路货运量预测中难以准确描述货运量的复杂变化特征,限制了预测精度的提高。针对该问题,提出一种基于果蝇算法(FOA)优化混合核LSSVM的预测方法。以多项式核与径向基核组合的混合核函数作为LSSVM核函...
单一核最小二乘支持向量机(LSSVM)在铁路货运量预测中难以准确描述货运量的复杂变化特征,限制了预测精度的提高。针对该问题,提出一种基于果蝇算法(FOA)优化混合核LSSVM的预测方法。以多项式核与径向基核组合的混合核函数作为LSSVM核函数,构建铁路货运量的混合核LSSVM预测模型,同时利用FOA全局寻优能力强、计算速度快等优点优化选择混合核LSSVM参数。以我国铁路货运量为例进行方法验证。结果表明,所提方法的RMSE、MAE、MAPE和THEIL值分别为8 433.0、6 670.8、0.018 0和0.011 7,均小于其他模型,FOA算法搜索混合核LSSVM参数的时间为40.294 8 s,分别比GA和PSO算法减少了2.620 8 s和20.701 6s,适合于铁路货运量的短期预测。
展开更多
关键词
铁路货运量
预测方法
混合核LSSVM
果蝇优化算法
在线阅读
下载PDF
职称材料
基于ADPSO算法优化LSSVM的高速公路交通量预测方法
被引量：
6
2
作者
司文静
封喜波
+1 位作者
耿立艳
张占福
《河北大学学报（自然科学版）》
CAS
北大核心
2017年第3期302-308,共7页
针对高速公路交通量与其经济影响因素之间的复杂非线性关系,将最小二乘支持向量机(least squares support vector machines,LSSVM)与自适应动态粒子群优化(adaptive dynamic particle swarm optimization,ADPSO)算法相结合,提出一种ADPS...
针对高速公路交通量与其经济影响因素之间的复杂非线性关系,将最小二乘支持向量机(least squares support vector machines,LSSVM)与自适应动态粒子群优化(adaptive dynamic particle swarm optimization,ADPSO)算法相结合,提出一种ADPSO算法优化LSSVM的高速公路交通量新型预测方法.将建模简单、精度高的LSSVM作为预测模型,通过寻优能力优异的ADPSO算法选择LSSVM最优参数.以某市高速公路交通量为例验证模型的有效性.结果表明,所提方法的预测性能较好,适合于高速公路交通量的短期预测.
展开更多
关键词
高速公路
交通量预测
自适应动态粒子群优化算法
最小二乘支持向量机
在线阅读
下载PDF
职称材料
基于GRA与SVM-mixed的货运量预测方法
被引量：
23
3
作者
梁宁
耿立艳
+1 位作者
张占福
梁毅刚
《交通运输系统工程与信息》
EI
CSCD
北大核心
2016年第6期94-99,共6页
铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混合...
铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确定各影响因素的权重,再将赋予权重的影响因素作为输入变量,构建多项式核函数与径向基核函数线性组合的SVM-mixed预测模型.针对SVM-mixed参数难以确定问题,采用果蝇优化算法(FOA)选择SVM-mixed最优参数.基于中国铁路货运量的实例分析表明,该方法可有效提高铁路货运量的预测精度,为准确预测铁路货运量提供了一种新途径.
展开更多
关键词
铁路运输
货运量
预测
灰色关联分析
混合核函数支持向量机
在线阅读
下载PDF
职称材料
题名
基于FOA优化混合核LSSVM的铁路货运量预测
被引量：
14
1
作者
耿立艳
陈丽华
机构
石家庄铁道
大学
经济管理
学院
曼彻斯特城市大学商学院
北京
大学
光华管理
学院
出处
《计算机应用研究》
CSCD
北大核心
2017年第2期409-412,共4页
基金
国家自然科学基金青年基金资助项目(61503261)
河北省软科学研究计划项目(15456106D)
+6 种基金
河北省高等学校青年拔尖人才计划项目(BJ2014097)
河北省社会科学发展研究课题项目(2015020206)
河北省交通运输厅2015年科技计划项目(Y-2010024)
国家留学基金委(CSC)公派留学地方合作项目(201608130165)
河北省高校人文社会科学重点研究基地石家庄铁道大学工程建设管理研究中心资助项目
河北省软科学工程建设管理研究基地资助项目
河北省重点学科(管理科学与工程资助项目)
文摘
单一核最小二乘支持向量机(LSSVM)在铁路货运量预测中难以准确描述货运量的复杂变化特征,限制了预测精度的提高。针对该问题,提出一种基于果蝇算法(FOA)优化混合核LSSVM的预测方法。以多项式核与径向基核组合的混合核函数作为LSSVM核函数,构建铁路货运量的混合核LSSVM预测模型,同时利用FOA全局寻优能力强、计算速度快等优点优化选择混合核LSSVM参数。以我国铁路货运量为例进行方法验证。结果表明,所提方法的RMSE、MAE、MAPE和THEIL值分别为8 433.0、6 670.8、0.018 0和0.011 7,均小于其他模型,FOA算法搜索混合核LSSVM参数的时间为40.294 8 s,分别比GA和PSO算法减少了2.620 8 s和20.701 6s,适合于铁路货运量的短期预测。
关键词
铁路货运量
预测方法
混合核LSSVM
果蝇优化算法
Keywords
railway traffic volume
forecasting method
mixed-kernel LSSVM
fruit fly optimization algorithm
分类号
U294.13 [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ADPSO算法优化LSSVM的高速公路交通量预测方法
被引量：
6
2
作者
司文静
封喜波
耿立艳
张占福
机构
北华航天工业
学院
建筑工程系
河北省高速公路廊坊北三县管理处
石家庄铁道
大学
经济管理
学院
曼彻斯特城市大学商学院
石家庄铁道
大学
四方
学院
出处
《河北大学学报（自然科学版）》
CAS
北大核心
2017年第3期302-308,共7页
基金
国家自然科学基金青年项目(61503261)
河北省交通运输厅科技计划项目(Y-2010024)
+7 种基金
北华航天工业学院科研基金项目(KY-2015-09)
河北省软科学研究计划项目(15456106D)
河北省高等学校青年拔尖人才计划项目(BJ2014097)
河北省社会科学发展重点课题(2015020206)
国家留学基金委(CSC)公派留学地方合作项目(201608130165)
河北省高校人文社会科学重点研究基地石家庄铁道大学工程建设管理研究中心资助项目
河北省软科学工程建设管理研究基地资助项目
河北省重点学科管理科学与工程资助项目
文摘
针对高速公路交通量与其经济影响因素之间的复杂非线性关系,将最小二乘支持向量机(least squares support vector machines,LSSVM)与自适应动态粒子群优化(adaptive dynamic particle swarm optimization,ADPSO)算法相结合,提出一种ADPSO算法优化LSSVM的高速公路交通量新型预测方法.将建模简单、精度高的LSSVM作为预测模型,通过寻优能力优异的ADPSO算法选择LSSVM最优参数.以某市高速公路交通量为例验证模型的有效性.结果表明,所提方法的预测性能较好,适合于高速公路交通量的短期预测.
关键词
高速公路
交通量预测
自适应动态粒子群优化算法
最小二乘支持向量机
Keywords
highway
traffic flow forecasting
rithm
least squares support vector machines adaptive dynamic particle swarm optimization algo
分类号
U491.14 [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GRA与SVM-mixed的货运量预测方法
被引量：
23
3
作者
梁宁
耿立艳
张占福
梁毅刚
机构
河北省高速公路廊坊北三县管理处
石家庄铁道
大学
经济管理
学院
曼彻斯特城市大学商学院
石家庄铁道
大学
四方
学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2016年第6期94-99,共6页
基金
国家自然科学基金青年项目(61503261)
河北省交通运输厅2015年科技计划项目(Y-2010024)
+4 种基金
河北省软科学研究计划项目(15456106D)
河北省高等学校青年拔尖人才计划项目(BJ2014097)
河北省社会科学发展重点课题(2015020206)
河北省软科学研究基地项目(12457206D-14)
国家留学基金委(CSC)资助公派留学地方合作项目(201608130165)~~
文摘
铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确定各影响因素的权重,再将赋予权重的影响因素作为输入变量,构建多项式核函数与径向基核函数线性组合的SVM-mixed预测模型.针对SVM-mixed参数难以确定问题,采用果蝇优化算法(FOA)选择SVM-mixed最优参数.基于中国铁路货运量的实例分析表明,该方法可有效提高铁路货运量的预测精度,为准确预测铁路货运量提供了一种新途径.
关键词
铁路运输
货运量
预测
灰色关联分析
混合核函数支持向量机
Keywords
railway transportation
freight volumes
prediction
grey relational analysis
SVM with mixed kernel function
分类号
U268.6 [机械工程—车辆工程]
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FOA优化混合核LSSVM的铁路货运量预测
耿立艳
陈丽华
《计算机应用研究》
CSCD
北大核心
2017
14
在线阅读
下载PDF
职称材料
2
基于ADPSO算法优化LSSVM的高速公路交通量预测方法
司文静
封喜波
耿立艳
张占福
《河北大学学报（自然科学版）》
CAS
北大核心
2017
6
在线阅读
下载PDF
职称材料
3
基于GRA与SVM-mixed的货运量预测方法
梁宁
耿立艳
张占福
梁毅刚
《交通运输系统工程与信息》
EI
CSCD
北大核心
2016
23
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
