[发明专利]基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法

权利要求书

1.基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于具体过程为：

步骤S1：对港内疏港作业货车数量进行采样并进行预处理构造周期性训练样本数据；

步骤S2：对周期性训练样本数据进行归一化处理以用于后续支持向量机的训练与预测；

步骤S3：选取核函数与参数构造最小二乘支持向量机预测模型，并利用此向量机预测模型完成单步时间序列预测；

步骤S4：采用单步预测的数据与之前的采样数据构成新的特征向量输入样本，利用向量机预测模型进行下一步预测，从而实现多步预测，完成对码头疏港作业货车数量的预测。

2.根据权利要求1所述的基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于步骤S1的具体过程为：

(1)数据采集，根据疏港作业货车的进出港时间，采集某个时间点港内作业货车的数据，以每日19:30为起点，每十分钟采集一次港内作业货车的数据量，每24小时为一个周期，每个周期采集144个数据；

(2)构造周期性训练样本数据，训练样本维度为m，每个周期得到143-m组训练样本：

其中u_i，j是指第i天的第j个采样时间港内疏港车的数量，X为输入训练样本，Y为输出训练样本；

采集360个周期数据形成周期性训练样本数据：

3.根据权利要求1所述的基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于步骤S2中所述对周期性训练样本数据进行归一化处理是将周期性训练样本数据转化为(0，1)之间的小数，其转化公式如下：

4.根据权利要求1所述的基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于步骤S3中所述核函数指的是RBF核函数，参数指的是γ和σ²，通过经验选择γ＝100，σ²＝1。

5.根据权利要求1所述的基于最小二乘支持向量机算法的在线预测码头疏港作业货车数量的方法，其特征在于步骤S4中所述新的特征向量输入样本指的是利用预测值与之前的输入向量的一部分构成新的输入向量。