论文部分内容阅读
交通流量预测是智能交通系统中的关键技术，针对当前交通流量预测模型存在不足，提出一种遗传算法优化支持向量机的交通流量预测模型。首先收集交通流量历史数据，并基于混沌理想对其进行相空间重构，然后将训练样本输入到支持向量机中进行学习，并采用遗传算法优化支持向量机参数，建立交通流量预测模型，最后采用测试样本对模型的性能进行测试。结果表明，相对于经典交通流量预测模型，本文模型可以更加准确描述交通流量预测复杂的变化趋势，提高了交通流量的单步和多步预测精度。