基于最小二乘支持向量机的城市客运量预测模型

针对城市公路客运量预测中存在的非线性、复杂性和不确定性,提出了一种基于最小二乘支持向量机的城市客运量预测模型。结合西安市历年城市客运量数据,编程实现该预测模型,仿真结果表明了该预测模型的有效性。

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度,基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进.提出了新的混沌加速遗传算法(new chaos accelerating genetic algorithm,NCAGA),用于对PPPR模型的最佳投影方向a的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型,平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.