混合核支持向量機(jī)在地鐵客流預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著城市化建設(shè)進(jìn)程的不斷加快，城市人口持續(xù)增加及私家車的逐漸普及，環(huán)境污染，城市交通擁堵以及能源消耗問題越來越突出，城市交通面臨巨大的壓力。而運(yùn)載量大、準(zhǔn)時(shí)性好且環(huán)保的城市軌道交通成為解決交通問題的主要方向，地鐵的客流量是地鐵運(yùn)營管理部門行車調(diào)度和城市軌道交通規(guī)劃的基本依據(jù)，因此對(duì)地鐵客流量的預(yù)測(cè)具有重要的意義，本文將混合核支持向量回歸機(jī)模型應(yīng)用于地鐵客流量預(yù)測(cè)。
　　首先，論文從統(tǒng)計(jì)學(xué)習(xí)理論的基本原理開始，闡述了VC維理論和結(jié)構(gòu)

2、風(fēng)險(xiǎn)最小化原則，并分析了SVM(Support Vector Machine,支持向量機(jī))回歸問題的基本原理和不同核函數(shù)的性能，將多項(xiàng)式核函數(shù)和徑向基核函數(shù)進(jìn)行線性組合，構(gòu)建了混合核函數(shù)，并分析了其學(xué)習(xí)和泛化性能。
　　其次，對(duì)廣州地鐵3號(hào)線的客流數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到其周期規(guī)律和時(shí)序特征。并對(duì)平常日進(jìn)站客流量進(jìn)行層次聚類分析，使數(shù)據(jù)樣本有效劃分，為預(yù)測(cè)模型提供合理的數(shù)據(jù)支持。
　　最后，由于構(gòu)建的混合核SVM的預(yù)測(cè)性能主要

3、取決于其相關(guān)參數(shù)的選取，而傳統(tǒng)的網(wǎng)格試算法耗時(shí)長(zhǎng)，效率低，因此米用PSO(Particle S w a r m Optimization,粒子群優(yōu)化)算法對(duì)其參數(shù)進(jìn)行尋優(yōu)。針對(duì)PSO算法的缺點(diǎn)，引入無限折疊迭代混沌映射，解決基本 PSO算法的早熟問題，引入黃金分割的思想提高算法的優(yōu)化速度。二者結(jié)合實(shí)現(xiàn)基本PSO算法的改進(jìn)，并通過兩種典型測(cè)試函數(shù)仿真分析，表明改進(jìn)PSO算法具有良好的性能。將基于無限折疊迭代黃金分割的CPSO(Chaoti