文件名称：论文研究-基于FOA优化混合核LSSVM的铁路货运量预测.pdf
文件大小：1.06MB
文件格式：PDF
更新时间：2022-08-11 16:43:43
铁路货运量,预测方法,混合核LSSVM,果蝇优化算法
单一核最小二乘支持向量机（LSSVM）在铁路货运量预测中难以准确描述货运量的复杂变化特征，限制了预测精度的提高。针对该问题，提出一种基于果蝇算法（FOA）优化混合核LSSVM的预测方法。以多项式核与径向基核组合的混合核函数作为LSSVM核函数，构建铁路货运量的混合核LSSVM预测模型，同时利用FOA全局寻优能力强、计算速度快等优点优化选择混合核LSSVM参数。以我国铁路货运量为例进行方法验证。结果表明，所提方法的RMSE、MAE、MAPE和THEIL值分别为8 433.0、6 670.8、0.018 0和0.011 7，均小于其他模型，FOA算法搜索混合核LSSVM参数的时间为40.294 8 s，分别比GA和PSO算法减少了2.620 8 s和20.701 6 s，适合于铁路货运量的短期预测。