基于ＳＶＲ的电梯交通流时间序列预测

2012年03月21日15:27:20 本网站我要评论(2)字号：T | T | T

关键字：应用

唐海燕，于德亮，丁　宝，齐维贵
哈尔滨工业大学电气工程及自动化学院，黑龙江哈尔滨

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（ＳｕｐｐｏｒｔＶｅｃｔｏｒＲｅｇｒｅｓｓｉｏｎ，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预测模型的较优参数。较后，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。

关　键　词：支持向量回归；电梯交通流；预测；ＲＢＦ神经网络

１　引　言
现代建筑内往往安装多台电梯，构成电梯群由群控系统统一分配。对电梯交通流进行预测，使群控系统跟踪交通流的变化以提高系统性能，因此研究电梯交通流是必要的［１］。文献［２］应用人工免疫算法对电梯交通流进行分析，反映了大厦客流特征。文献［３］利用高斯混合模型对电梯交通流进行建模，实现交通流的定量预测。文献［４］将小波神经网络应用于电梯的交通流预测中，获得较好的预测精度。支持向量机（ＳＶＭ）［５６］以结构风险较小化为优化目标，有更好的泛化能力，对小样本有较强的预测能力。该方法已被应用到电梯交通流的预测中［７８］，利用ＬＳＳＶＭ［７］和ＳＶＲ［８］对交通流进行预测，把ＳＶＭ的应用领域进行了扩展。在研究中，只考虑了电梯交通流时间序列的横向变化趋势，而没有考虑其纵向变化趋势；对样本参数的选取也没有给出具体说明。本研究拟应用ＳＶＭ方法对电梯交通流进行预测，考虑其横向和纵向变化趋势，并通过与ＲＢＦ方法比较验证算法的有效性。

登录网站后可下载文件

基于ＳＶＲ的电梯交通流时间序列预测

相关阅读: