基于GRA与SVM mixed的货运量预测方法
铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以 进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将 难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混 合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确 定各影响因素的权重,再将赋予权重的影响因素作为输入变量,构建多项式核函数与径 向基核函数线性组合的SVM-mixed预测模型.针对SVM-mixed参数难以确定问题,采用 果蝇优化算法(FOA)选择SVM-mixed最优参数.基于中国铁路货运量的实例分析表明,该 方法可有效提高铁路货运量的预测精度,为准确预测铁路货运量提供了一种新途径.
用户评论