格式:pdf
大小:480KB
頁數(shù): 5頁
為了使電梯群控系統(tǒng)更好地跟蹤電梯交通流的變化以提高群控系統(tǒng)的性能,提出了基于支持向量回歸(Support Vector Regression,SVR)的電梯交通流預測方法。針對電梯交通流時間序列小樣本的特性,考慮了電梯交通流的橫向和縱向變化趨勢,采用SVR算法建立了電梯交通流時間序列的預測模型。給出了預測的評價指標,研究了SVR模型中的參數(shù)對預測效果的影響,利用試驗尋優(yōu)的方法確定了SVR預測模型的最優(yōu)參數(shù)。最后,與電梯交通流RBF神經(jīng)網(wǎng)絡預測模型進行了比較研究,分析了數(shù)據(jù)樣本中波動較大部分的預測效果,結果表明SVR算法比RBF神經(jīng)網(wǎng)絡方法具有更好的預測性能、泛化能力和魯棒性,實現(xiàn)了電梯交通流較好的擬合和預測。