混合核支持向量機在地鐵客流預測中的應用研究.pdf

1、隨著城市化建設進程的不斷加快，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。而運載量大、準時性好且環(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營管理部門行車調度和城市軌道交通規(guī)劃的基本依據，因此對地鐵客流量的預測具有重要的意義，本文將混合核支持向量回歸機模型應用于地鐵客流量預測。
　　首先，論文從統(tǒng)計學習理論的基本原理開始，闡述了VC維理論和結構

2、風險最小化原則，并分析了SVM(Support Vector Machine,支持向量機)回歸問題的基本原理和不同核函數的性能，將多項式核函數和徑向基核函數進行線性組合，構建了混合核函數，并分析了其學習和泛化性能。
　　其次，對廣州地鐵3號線的客流數據進行統(tǒng)計分析，得到其周期規(guī)律和時序特征。并對平常日進站客流量進行層次聚類分析，使數據樣本有效劃分，為預測模型提供合理的數據支持。
　　最后，由于構建的混合核SVM的預測性能主要

3、取決于其相關參數的選取，而傳統(tǒng)的網格試算法耗時長，效率低，因此米用PSO(Particle S w a r m Optimization,粒子群優(yōu)化)算法對其參數進行尋優(yōu)。針對PSO算法的缺點，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。二者結合實現基本PSO算法的改進，并通過兩種典型測試函數仿真分析，表明改進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