基于SVM的共享单车需求预测

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (7): 187-194.

基于SVM的共享单车需求预测

宋　鹏¹，黄同愿²，刘渝桥³

1.重庆市住房公积金管理中心；2.重庆理工大学两江人工智能学院；3.四川大学计算机学院

出版日期:2019-09-05 发布日期:2019-09-05
作者简介:宋鹏，男，硕士研究生，主要从事计算机应用研究；通讯作者黄同愿，男，副教授，主要从事机器学习和智能信息处理研究。

Online:2019-09-05 Published:2019-09-05

摘要/Abstract

摘要： 共享单车是近年蓬勃发展、新兴朝阳的产业，但由于受到供、需关系不平衡等因素的影响，给社会及单车企业造成许多困扰。因此，成功进行共享单车需求的预测具有重要意义。支持向量机在数据拟合预测方面具有较好的优势，为实现需求的预测，采用了支持向量机构建模型，并通过主成分分析降低仿真实验的复杂度，将原始11维数据集降为7维；同时利用小波消噪的方式对数据噪声的扰动进行了消除与减弱；最终成功构建了基于不同核函数支持向量机的共享单车需求预测模型，并通过Matlab仿真实现进行对比，验证了基于径向基核函数支持向量机的共享单车需求预测模型拥有最好的需求预测效果。

关键词: 支持向量机, 核函数, 共享单车, 需求预测, 主成分分析, 小波消噪

中图分类号:

TP39

. 基于SVM的共享单车需求预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 187-194.

[1]	何婷，郭艳光，辛春花. ＡＣＭ选择系统结合改进Ｃｈａｎ-Ｖｅｓｅ模型的自适应图像分割方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 165-173.
[2]	张扬，朱志宇. 改进ＰＳＯ算法优化ＬＳＳＶＭ的柴油机排气预测[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 103-110.
[3]	江毓，郑燕萍，张新，张涌. 基于改进ＢＰ神经网络的电机异音诊断[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 242-246.
[4]	郑琰, 黄兴, 肖玉杰. 基于时间序列的商品需求预测模型研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 217-222.
[5]	. 基于改进混沌理论的网络舆情短期预测策略方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 171-176.
[6]	. 基于节点重要度的公交专用道关键节点识别[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 161-167.
[7]	景甜甜１，洪洁２. 基于ＰＣＡ和ＥＬＭ的表面肌电信号手腕动作识别研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 96-100.
[8]	俆乔王，胡红萍，白艳萍，王建中. 基于ＭＥＡ＿ＳＶＭ空气质量指数预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 150-155.
[9]	刘怡１, 常玉林１, ２, 张鹏１. 交通结构优化下的城市停车需求预测研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(11): 41-46.
[10]	宋文兵, 左言言. 基于ＬＳＳＶＭ的混合动力汽车车内声品质烦躁度预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 33-39.
[11]	. 轮廓定位下的人头ＮＳＣＴ特征提取方法[J]. 重庆理工大学学报（自然科学）, 2018, 32(7): -.
[12]	. 卷积神经网络在SAR目标识别中的应用[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.
[13]	. 基于ＰＳＯ-ＬＳＳＶＭ的建筑施工事故预测方法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(12): -.
[14]	. 基于支持向量回归机ＳＶＲ的钻削力在线预测分析[J]. 重庆理工大学学报（自然科学）, 2018, 32(12): -.
[15]	. 运用ＰＣＡ改进ＢＰ神经网络的用电异常行为检测[J]. 重庆理工大学学报（自然科学）, 2017, 31(8): -.

基于SVM的共享单车需求预测

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10