基于SVR的电梯交通流时间序列预测
作者:
唐海燕
;
于德亮
;
丁宝
;
齐维贵
关键词:
支持向量回归
电梯交通流
预测
RBF神经网络
摘要：
为了使电梯群控系统更好地跟踪电梯交通流的变化以提高群控系统的性能，提出了基于支持向量回归（Support Vector Regression，SVR）的电梯交通流预测方法。针对电梯交通流时间序列小样本的特性，考虑了电梯交通流的横向和纵向变化趋势，采用SVR算法建立了电梯交通流时间序列的预测模型。给出了预测的评价指标，研究了SVR模型中的参数对预测效果的影响，利用试验寻优的方法确定了SVR预测模型的最优参数。最后，与电梯交通流RBF神经网络预测模型进行了比较研究，分析了数据样本中波动较大部分的预测效果，结果表明SVR算法比RBF神经网络方法具有更好的预测性能、泛化能力和鲁棒性，实现了电梯交通流较好的拟合和预测。
上一篇：汽车油耗智能快速测试系统的开发
下一篇：罗非鱼真空冷冻干燥温度的智能预测控制