福州理工学院工学院

摘要：为了提高短时交通流量(STF)预测的精度,提出一种改进的柯西加权最小二乘支持向量机(ICWLS-SVM)建模方法,该模型方法基于改进的柯西分布加权规则,能够对不同的训练样本进行自适应赋权,以合理分配数据样本对模型的贡献.采用遗传粒子群优化(GPSO)算法对模型参数进行优化选择,以获得较优的模型参数.数值仿真实验表明ICWLS-SVM具有较强的鲁棒性,其预测性能优于WLS-SVM和LS-SVM.同时,利用实测交通流量数据对ICWLS-SVM模型进行性能测试,结果表明该建模方法在短时交通流量预测建模方面是有效且可行的. 

基金：福建省教育厅中青年教师教育科研项目(JAT170789)；

关键词：短时交通流量; 预测; 遗传粒子群优化; 柯西分布; 最小二乘支持向量机;

分类号：TP18;U491.14