论文部分内容阅读
为了使电梯群控调度系统更好的跟踪客流的变化，针对电梯交通流时间序列小样本的特性，采用支持向量回归（Support Vector Regression，SVR）方法建立了电梯交通流时间序列预测模型。研究了SVR 模型中的惩罚系数、核函数参数和不敏感系数对预测效果的影响，采用交叉验证方法确定了SVR 预测模型的最优参数。与电梯交通流径向基函数（Radial Basis Function，RBF）神经网络预测模型进行了比较研究，分析了样本中波动较大部分的预测效果，结果表明SVR 算法比RBF 神经网络具有更好的预测性能、泛化能力和鲁棒性，实现了电梯交通流较好的拟合和预测，为电梯群控系统的优化调度提供了依据。