基于PCA改进的SOR-LS-SVM公路旅游客流量预测模型

影响公路交通旅游客流量的众多因素增加了预测模型中的输入变量复杂性,减少了模型运行速度和预测准确度。首先,采用主成分分析法对影响公路旅游客流量的指标进行分析得到了主成分即输入变量,然后建立以主成分为输入变量、以旅游客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实际例子验证和比较,揭示了基于主成分分析法改进的超松弛的最小二乘支持向量机公路交通旅游客流量预测模型具有较好的预测精度和较高的应用前景。

基于PCA-SOR-LS-SVM模型的入境游客流量预测研究

入境旅游客流量预测模型中输入变量的多少在一定程度上制约了模型的模拟速度和预测效果。首先,由主成分分析法对影响入境游客流量的指标进行综合分析从而确定出少数几个主要指标作为预测模型的输入变量,然后建立以主要指标为输入变量以客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实验仿真,结果显示了基于PCA-SOR-LS-SVM的入境游客流量预测模型具有较好的预测精度和较强的推广价值。

基于SOR-LS-SVM的公路旅游客流量组合预测模型

基于指数平滑、多元线性回归、灰色系统等目前常见的预测方法建立超松弛改进的最小二乘支持向量机算法的公路旅游客流量组合预测模型。通过实例验证和比较,展示了基于超松弛最小二乘支持向量机算法的公路交通旅游客流量组合预测模型具有较好的预测效果和较高的应用价值。

基于SOR-LS-SVM算法的公交站点客流量预测研究

公交站点客流量情况的及时准确预测对提供更可靠的公交服务和节省公交公司的运营成本是非常重要.首先对标准的LS-SVM算法进行了改进,得到一种新的SOR-LS-SVM学习算法.该算法不仅能减少计算的复杂性,提高学习速度;同时能提高函数估计的精确度.然后利用SOR-LS-SVM算法对公交站点的客流量情况进行预测和模拟.实验结果表明改进的SOR-LS-SVM算法具有较高的预测精度,且实验取得了较好效果.