[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

摘要

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：选择影响公交车运行因素的数据作为SVM的输入变量；对影响公交车运行因素的数据进行归一化处理；选择核函数得到SVM参数，选择径向基核作为核函数；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。将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；对预测值进行误差分析，如果误差小于设定值，所得预测值为预测结果，结束。本发明采用的蝙蝠算法具有结构简单、参数少、鲁棒性强、易于理解和易于编程等特点，正因为如此，我们将其与SVM结合在一起，优化参数的同时保证了预测的精准性。

主权项

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：$MSE=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(x_i-{\hat{x}}_i)}^2---\left(11\right)$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。