Cross-section passenger flow forecasting of urban rail transit based on PSO-LSSVM algorithm 引用 收藏 分享 摘要 为提高城市轨道交通服务水平和利用效率,针对非高峰期乘客等候时间过长、高峰期车厢满载率过高、列车运能浪费等现象,急需对具有非线性和随机波动特征的轨道交通最大断面客流实时准确预测,从而动态调整...
suitable for complex coal consumption prediction.%针对煤炭消费量的时变性、非平稳性特点,为了提高煤炭消费量预测精度,提出了一种鲶鱼粒子群算法优化最小二乘支持向量机(LSSVM)的煤炭消费量预测模型(CEPSO-LSSVM)。将LSSVM参数编码成粒子位置串,并根据煤炭消费量训练集的交叉验证误差最小作为参数优化目标...
在分析最小二乘支持向量机建模特点的基础上提出了利用PSO-SA优化的一种空调负荷预测算法.该方法利用粒子群一模拟退火方法对最小二乘支持向量机的参数进行优化选择,提高模型的精度和泛化能力.通过空调负荷预测建模的结果表明,该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为实现...