[发明专利]基于蝙蝠算法优化支持向量机预测公交车到站时间的方法

权利要求书

1.一种基于蝙蝠算法优化支持向量机预测公交车到站时间的方法，其特征在于，包括如下步骤：

1)选择影响公交车运行因素的数据作为SVM的输入变量；

2)对影响公交车运行因素的数据进行归一化处理；

3)选择核函数得到SVM参数，选择径向基核作为核函数；

径向基核函数对应的支持向量机参数有c和g，其中c是惩罚系数，即对误差的宽容度，g是选择径向基函数作为核函数后，所述核函数自带的一个参数，支持向量机参数c的取值范围在1～1000，支持向量机参数g的取值范围在2^-5,2^-4…,2⁴,2⁵。

4)构造蝙蝠算法寻找最优支持向量机参数c和g的最优参数。

5)将步骤2)得到的归一化处理后的数据划分为三个子集：训练样本集、检验样本集和测试样本集，并输入数据集，生成预测值；

6)对预测值进行误差分析，具体是将预测值代入如下公式：

MSE=1NΣi=1N(xi-x^i)2---(11)]]>

如果MSE大于0.01则返回步骤4)，否则，步骤5)所得预测值为预测结果，结束。

2.根据权利要求1所述的基于蝙蝠算法优化支持向量机预测公交车到站时间的方法，其特征在于，步骤1)所述的因素包括：天气、时间段和路段、下一路段最新运行时间以及当前路段运行时间。

3.根据权利要求1所述的基于蝙蝠算法优化支持向量机预测公交车到站时间的方法，其特征在于，步骤2)所述的归一化处理包括首先设定：晴天为1，雨天为0；高峰期为1，非高峰期为0；路段编号为1--N，归一化后的数据为各自编号与最大编号N的比值，归一化的路段数值为1/N—1；下一路段最新运行时间和当前路段运行时间采用了如下式归一化处理：

Pn=P-PminPmax-Pmin---(1)]]>

其中p是欲归一化的样本数据，P_n是归一化后的值，P_max和P_min是样本数据中的最大和最小值。即把样本数据转化为0～1之间的数据。