本文選題：交通流預(yù)測　切入點：支持向量回歸機　出處：《計算機應(yīng)用研究》2015年02期 　論文類型：期刊論文

【摘要】：針對斷面交通檢測數(shù)據(jù)往往存在著錯誤、缺失、包含較多噪聲等問題,提出了一種基于支持向量回歸機的數(shù)據(jù)預(yù)處理方法。先將相鄰路段的數(shù)據(jù)運用線性回歸思想篩選、重組,添加到支持向量回歸機的數(shù)據(jù)集中,然后對相鄰路段與預(yù)測路段之間線性關(guān)系進(jìn)行實時的、動態(tài)的分析和計算,從而避免了數(shù)據(jù)丟失,既有效地壓縮了訓(xùn)練集特征數(shù),提高了計算效率,也提高了模型的泛化能力。實驗結(jié)果表明,對比未作預(yù)處理的SVR模型,改進(jìn)后的模型擬合度提高了25倍,均方誤差也明顯減小。
[Abstract]:Aiming at the problems of error, lack and much noise in cross-section traffic detection data, a data preprocessing method based on support vector regression machine (SVM) is proposed. Firstly, the data of adjacent sections are filtered and reorganized by linear regression method. Then the linear relationship between adjacent sections and predicted sections is analyzed and calculated in real time and dynamic, thus avoiding data loss and effectively compressing the feature numbers of training sets, which are added to the data set of support vector regression machine, and then the linear relationship between adjacent sections and predicted sections is analyzed and calculated in real time. The experimental results show that compared with the unpretreated SVR model, the improved model's fitting degree is increased by 25 times, and the mean square error is obviously reduced.
【作者單位】： 蘭州理工大學(xué)計算機與通信學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(60972078) 甘肅省自然科學(xué)基金資助項目(0916RJZA015)
【分類號】：U491.112;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 盧凱;徐建閩;鄭淑鑒;;相鄰交叉口關(guān)聯(lián)度分析及其應(yīng)用[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2009年11期

2 姚智勝;邵春福;熊志華;岳昊;;基于主成分分析和支持向量機的道路網(wǎng)短時交通流量預(yù)測[J];吉林大學(xué)學(xué)報(工學(xué)版);2008年01期

3 于濱;鄔珊華;王明華;趙志宏;;K近鄰短時交通流預(yù)測模型[J];交通運輸工程學(xué)報;2012年02期

4 張揚;王夢靈;;Peak Traffc Forecasting Using Nonparametric Approaches[J];Journal of Shanghai Jiaotong University(Science);2012年01期

5 郭虎升;王文劍;;動態(tài)粒度支持向量回歸機[J];軟件學(xué)報;2013年11期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜桂艷;常安德;牛世峰;叢玉良;程德明;王秋蘭;;基于BP神經(jīng)網(wǎng)絡(luò)的交通數(shù)據(jù)序列動態(tài)可預(yù)測性分析方法[J];北京工業(yè)大學(xué)學(xué)報;2011年07期

2 王曉華;楊娜;;基于遺傳算法的參數(shù)優(yōu)化估算模型[J];電子世界;2012年24期

3 徐建閩;首艷芳;盧凱;;基于雙層規(guī)劃模型的交通信號區(qū)域協(xié)調(diào)控制[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2011年03期

4 孫斌;劉天棟;周云龍;;小波包主成分分析在氣液兩相流流型識別中的應(yīng)用[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年06期

5 張勇;關(guān)偉;;預(yù)測交通流量時間序列的組合動態(tài)建模方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年05期

6 董春嬌;邵春福;陳曉明;李娟;;基于交通流時空特性的道路網(wǎng)動態(tài)劃分方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年06期

7 姜桂艷;牛世峰;常安德;;基于檢測數(shù)據(jù)的路網(wǎng)交通運行可靠性分析[J];吉林大學(xué)學(xué)報(工學(xué)版);2011年05期

8 謝宏;劉敏;陳淑榮;;基于ICA和SVM的道路網(wǎng)短時交通流量預(yù)測方法[J];計算機應(yīng)用;2009年09期

9 葛曉鋒;曹斌;鄭靜靜;鄧明榮;沈祖志;;基于GPS實時數(shù)據(jù)的在線過濾與補遺研究[J];計算機應(yīng)用研究;2010年10期

10 李建武;陳森發(fā);黃濵;;基于粗集理論和支持向量機的道路網(wǎng)短時交通流量預(yù)測[J];計算機應(yīng)用研究;2010年10期

相關(guān)會議論文 前1條

1 吳利豐;劉思峰;方志耕;;基于新信息優(yōu)先主成分回歸的多參數(shù)復(fù)雜裝備費用預(yù)測[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 彭光金;小樣本工程造價數(shù)據(jù)的智能學(xué)習(xí)方法及其在輸變電工程中的應(yīng)用研究[D];重慶大學(xué);2010年

2 王凡;基于支持向量機的交通流預(yù)測方法研究[D];大連理工大學(xué);2010年

3 劉明君;基于混合交通流的信號交叉口機動車車頭時距研究[D];北京交通大學(xué);2010年

4 靳引利;省域高速公路網(wǎng)交通誘導(dǎo)系統(tǒng)關(guān)鍵技術(shù)研究[D];長安大學(xué);2009年

5 盧凱;交通信號協(xié)調(diào)控制基礎(chǔ)理論與關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2010年

6 張揚;城市路網(wǎng)交通預(yù)測模型研究及應(yīng)用[D];上海交通大學(xué);2009年

7 陳荔;經(jīng)濟(jì)區(qū)客運量預(yù)測與綜合樞紐布局研究[D];長安大學(xué);2011年

8 錢U，

本文編號：1571209