基于支持向量回归的行程时间预测算法
设计是分不开的。下一步我们将考虑在气象条件影响下的行程时间预测算法。参考文献：[1] V. N. Vapnik. The Nature of Statistical Learning Theory[M]. New York： Springer，1995.[2] H. Yang， L. Chan， and I. King. Support vector machine regression for volatile stock market prediction[M].Berlin：Springer，2002.[3] D. C. Sansom， T. Downs， and T. K. Saha. Evaluation of support vector machine based forecasting tool in electricity price forecasting for Australian National Electricity Market participants[J]. Journal of Electrical and Electronics Engineering，2003.22（3）：227-234[4] E. Fraschini， K. Ashausen. Day on Day Dependencies in Travel：First Result Using ARIMA Modeling[J]. Arbeitsberichte Verkehrs-und Raumplanung，2001.63.[5] H. Sun， H. Liu， and B. Ran. Short term traffic forecasting using the local linear regression model[A]. 82nd Annual Meeting of the Transportation Research Board[C]. Washington，2003.[6] A. Kotsialos， M. Papageorgiou， C. Diakaki， Y. Pavlis， and F. Middelham. Traffic flow modeling of large-scale motorway networks using the macroscopic modeling tool METANET[J]. IEEE Transactions on Intelligent Transpor
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：