基于粒子群算法优化支持向量机的铁路客运量预测模型
100 积分
50
评分
4.3 积分- 详情
- 2021-09-19
- 简介
pdf
- 162KB
- 页数 未知
- 阅读 72
- 下载 27
铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法(PSO)优化支持向量机(SVM)的公路客运量预测模型.利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于粒子群算法优化支持向量机的铁路客运量预测模型 162KB
基于粒子群算法优化支持向量机的公路客运量预测 189KB
基于支持向量机-粒子群算法的山区公路隧道造价预测 128KB
基于支持向量机-粒子群算法的山区公路隧道造价预测 128KB
混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测 1.0MB
基于粒子群优化支持向量机的建筑室内温度预测模型 1.4MB
改进粒子群算法和最小二乘支持向量机的电力负荷预测 1.7MB
粒子群算法优化支持向量机的建筑施工项目风险评估 579KB
基于灰色回归组合模型的铁路客运量预测研究 125KB
基于灰色预测法的铁路客运量预测 425KB