基于BFOA-SVR的铁路车站环境温度预测

作者：胡昊; 吕晓军; 陈瑞凤

来源：计算机仿真, 2019, 36(04): 83-88.

• 铁路车站
• 细菌觅食优化算法
• 支持向量回归模型
• 温度预测

铁路车站是人群密集的大型公共建筑,站内温度易受外界温度与站内湿度、光照、人群等多种动态复杂因素的影响。针对站内温度的预测具有时变性、复杂性、非线性等特点,因此提出了一种基于细菌觅食优化算法(Bacterial-Foraging Optimization Algorithm,BFOA)的支持向量回归(Support Vector Regression,SVR)的铁路车站环境温度预测。首先将环境数据作为特征向量输入,并通过BFOA算法对SVR模型的进行参数优化,最后基于优化模型开展温度预测,并与GA、PSO算法优化模型进行仿真对比。实验结果表明,相较于其它模型,该模型具有更好的预测精准度和鲁棒性,预测结果可以为车站环境调控与设备节能提供决策依据。

• 单位
  中国铁道科学研究院