基于DBN-LSSVM民航客运量预测
民航客运量是航空运输的重要组成部分,对民航客运量的精确预测是航空港口规划和管理的重要依据之一.为了降低民航客运量各影响因素间的复杂相关性对模型性能的影响,建立了一种基于深度信念网络(DBN)和最小二乘支持向量机(LSSVM)相结合的民航客运量预测模型.首先通过深度信念网络对数据进行特征提取,消除变量之间的相关性,以减少最小二乘支持向量机模型的输入;并结合一种新型混沌粒子群—模拟退火混合优化(CPSO-SA)算法对模型参数进行优化,以提高模型的预测性能及泛化能力.通过将DBN-LSSVM模型方法应用于全国民航客运量的预测中,并与RBF、 LSSVM及PCA-LSSVM模型相比,结果表明DBNLSSVM模型方法能有效提高民航客运量的预测精度和预测稳定性.
航空运输 客运量 最小二乘支持向量机模型 深度信念网络 预测精度
赵超 王贵评 戴坤成 张登峰
福州大学石油化工学院,福州 350108 南京理工大学机械工程学院南京 210094
国内会议
北京
中文
1-12
2016-10-28（万方平台首次上网日期，不代表论文的发表时间）