【摘要】：單一核最小二乘支持向量機(jī)(LSSVM)在鐵路貨運(yùn)量預(yù)測(cè)中難以準(zhǔn)確描述貨運(yùn)量的復(fù)雜變化特征,限制了預(yù)測(cè)精度的提高。針對(duì)該問題,提出一種基于果蠅算法(FOA)優(yōu)化混合核LSSVM的預(yù)測(cè)方法。以多項(xiàng)式核與徑向基核組合的混合核函數(shù)作為L(zhǎng)SSVM核函數(shù),構(gòu)建鐵路貨運(yùn)量的混合核LSSVM預(yù)測(cè)模型,同時(shí)利用FOA全局尋優(yōu)能力強(qiáng)、計(jì)算速度快等優(yōu)點(diǎn)優(yōu)化選擇混合核LSSVM參數(shù)。以我國(guó)鐵路貨運(yùn)量為例進(jìn)行方法驗(yàn)證。結(jié)果表明,所提方法的RMSE、MAE、MAPE和THEIL值分別為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參數(shù)的時(shí)間為40.294 8 s,分別比GA和PSO算法減少了2.620 8 s和20.701 6s,適合于鐵路貨運(yùn)量的短期預(yù)測(cè)。
[Abstract]:Single kernel least squares support vector machine (LSSVM) is difficult to accurately describe the complex variation characteristics of freight volume in railway freight volume prediction, which limits the improvement of prediction accuracy. To solve this problem, a hybrid kernel LSSVM prediction method based on Drosophila algorithm (FOA) is proposed. Using the hybrid kernel function of polynomial kernel and radial basis kernel as the LSSVM kernel function, the hybrid kernel LSSVM prediction model of railway freight volume is constructed, and the hybrid kernel LSSVM parameters are optimized by using the advantages of strong global optimization ability of FOA and fast calculation speed. Take our country railway freight volume as an example to carry on the method verification. The results show that the RMSE,MAE,MAPE and THEIL values of the proposed method are 8 433.0 / 6 670.8 / 0.018 0 and 0.011 7, respectively, which are smaller than those of other models, and the time of searching the LSSVM parameters of hybrid kernel by FOA algorithm is 40.294 8 s. Compared with the GA and PSO algorithms, it is 2.620 8 s and 20.701 6 s less respectively, which is suitable for the short-term prediction of railway freight volume.
【作者單位】： 石家莊鐵道大學(xué)經(jīng)濟(jì)管理學(xué)院;曼徹斯特城市大學(xué)商學(xué)院;北京大學(xué)光華管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金青年基金資助項(xiàng)目(61503261) 河北省軟科學(xué)研究計(jì)劃項(xiàng)目(15456106D) 河北省高等學(xué)校青年拔尖人才計(jì)劃項(xiàng)目(BJ2014097) 河北省社會(huì)科學(xué)發(fā)展研究課題項(xiàng)目(2015020206) 河北省交通運(yùn)輸廳2015年科技計(jì)劃項(xiàng)目(Y-2010024) 國(guó)家留學(xué)基金委(CSC)公派留學(xué)地方合作項(xiàng)目(201608130165) 河北省高校人文社會(huì)科學(xué)重點(diǎn)研究基地石家莊鐵道大學(xué)工程建設(shè)管理研究中心資助項(xiàng)目 河北省軟科學(xué)工程建設(shè)管理研究基地資助項(xiàng)目 河北省重點(diǎn)學(xué)科(管理科學(xué)與工程資助項(xiàng)目)
【分類號(hào)】：U294.13;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃勇;徐景昊;;關(guān)于鐵路貨運(yùn)量預(yù)測(cè)研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2010年04期

2 田芳銘;劉慶福;;四川省鐵路貨運(yùn)量預(yù)測(cè)研究[J];科技資訊;2011年30期

3 張欣元;;1938～1987年法國(guó)國(guó)營(yíng)鐵路貨運(yùn)量的發(fā)展[J];鐵道科技動(dòng)態(tài);1989年11期

4 任德亮,李向國(guó),張?zhí)靷?建立鐵路貨運(yùn)量季節(jié)性預(yù)測(cè)模型的研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2004年08期

5 郝佳,李瀾;鐵路貨運(yùn)量組合預(yù)測(cè)模型的研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2004年11期

6 王晚香,蔣惠園;廣州南沙疏港鐵路貨運(yùn)量預(yù)測(cè)研究[J];鐵道貨運(yùn);2005年01期

7 單麗輝;王強(qiáng);;鐵路貨運(yùn)量的灰色預(yù)測(cè)模型[J];鐵道貨運(yùn);2006年02期

8 鄭全成;唐玉川;祝宏賓;高偉;;鐵路貨運(yùn)量組合預(yù)測(cè)方法的研究[J];鐵道貨運(yùn);2006年07期

9 劉志杰;季令;葉玉玲;耿志民;;基于徑向基神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測(cè)[J];鐵道學(xué)報(bào);2006年05期

10 朱昌鋒;王慶榮;;基于聯(lián)系度的鐵路貨運(yùn)量集對(duì)分析聚類預(yù)測(cè)[J];甘肅科學(xué)學(xué)報(bào);2006年04期

相關(guān)重要報(bào)紙文章 前10條

1 李銳;1-5月 俄鐵路貨運(yùn)量同比增加12.9%[N];遠(yuǎn)東經(jīng)貿(mào)導(dǎo)報(bào);2010年

2 王海生 苑洪波 杜慶君;唐港鐵路貨運(yùn)量 創(chuàng)歷史最高水平[N];唐山勞動(dòng)日?qǐng)?bào);2011年

3 本報(bào)記者 孫春芳;6月鐵路貨運(yùn)量同比、環(huán)比雙降[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2014年

4 記者 王龍飛;我省鐵路貨運(yùn)量持續(xù)增長(zhǎng)[N];山西經(jīng)濟(jì)日?qǐng)?bào);2014年

5 證券時(shí)報(bào)記者 靳書陽(yáng);不必過分擔(dān)憂 鐵路貨運(yùn)量下滑[N];證券時(shí)報(bào);2014年

6 記者 羅忠河;前8個(gè)月全國(guó)鐵路貨運(yùn)量同比增長(zhǎng)12.8%[N];中國(guó)冶金報(bào);2010年

7 記者 李慧穎;1—10月大興安嶺[N];黑龍江經(jīng)濟(jì)報(bào);2011年

8 記者 王龍飛;59232.3萬(wàn)噸:我省鐵路貨運(yùn)量創(chuàng)歷史新高[N];山西經(jīng)濟(jì)日?qǐng)?bào);2013年

9 林琳;鐵路貨運(yùn)量緣何下降[N];現(xiàn)代物流報(bào);2013年

10 國(guó)際期貨 李莉;鐵路貨運(yùn)量：大宗商品的“景氣度”[N];中國(guó)證券報(bào);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳星;基于遺傳改進(jìn)廣義回歸神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測(cè)研究[D];大連交通大學(xué);2015年

2 蔡志強(qiáng);阿拉山口鐵路貨運(yùn)量預(yù)測(cè)分析[D];蘭州交通大學(xué);2015年

3 俞小鳳;機(jī)器學(xué)習(xí)理論在鐵路貨運(yùn)量預(yù)測(cè)中的應(yīng)用研究[D];北京交通大學(xué);2016年

4 張\，

本文編號(hào)：2313688