计算机应用研究

作者：王秋莉,李军,

单位：兰州交通大学自动化与电气工程学院,兰州730070；

关键词：核学习方法,短时交通流,预测,

基金：国家自然科学基金资助项目(51467008)；；

基于核学习的强大非线性映射性能，针对短时交通流量预测，提出一类基于核学习方法的预测模型。核递推最小二乘（KRLS）基于近似线性依赖（approximate linear dependence，ALD） 技术可降低计算复杂度及存储量，是一种在线核学习方法，适用于较大规模数据集的学习；核偏最小二乘（KPLS）方法将输入变量投影在潜在变量上，利用输入与输出变量之间的协方差信息提取潜在特征；核极限学习机（KELM）方法用核函数表示未知的隐含层非线性特征映射，通过正则化最小二乘算法计算网络的输出权值，能以极快的学习速度获得良好的推广性。为验证所提方法的有效性，将KELM、KPLS、ALD-KRLS用于不同实测交通流数据中，在同等条件下，与现有方法进行比较。实验结果表明，不同核学习方法的预测精度和训练速度均有所提高，体现了核学习方法在短时交通流量预测中的应用潜力。

来源：2019年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第3期