唐海燕，于德亮，丁　寶，齊維貴
哈爾濱工業大學電氣工程及自動化學院，黑龍江哈爾濱

摘　　　要：為了使電梯群控系統更好地跟蹤電梯交通流的變化以提高群控系統的性能，提出了基于支持向量回歸（ＳｕｐｐｏｒｔＶｅｃｔｏｒＲｅｇｒｅｓｓｉｏｎ，ＳＶＲ）的電梯交通流預測方法。針對電梯交通流時間序列小樣本的特性，考慮了電梯交通流的橫向和縱向變化趨勢，采用ＳＶＲ算法建立了電梯交通流時間序列的預測模型。給出了預測的評價指標，研究了ＳＶＲ模型中的參數對預測效果的影響，利用試驗尋優的方法確定了ＳＶＲ預測模型的較優參數。較后，與電梯交通流ＲＢＦ神經網絡預測模型進行了比較研究，分析了數據樣本中波動較大部分的預測效果，結果表明ＳＶＲ算法比ＲＢＦ神經網絡方法具有更好的預測性能、泛化能力和魯棒性，實現了電梯交通流較好的擬合和預測。

關　鍵　詞：支持向量回歸；電梯交通流；預測；ＲＢＦ神經網絡

１　引　言
現代建筑內往往安裝多臺電梯，構成電梯群由群控系統統一分配。對電梯交通流進行預測，使群控系統跟蹤交通流的變化以提高系統性能，因此研究電梯交通流是必要的［１］。文獻［２］應用人工免疫算法對電梯交通流進行分析，反映了大廈客流特征。文獻［３］利用高斯混合模型對電梯交通流進行建模，實現交通流的定量預測。文獻［４］將小波神經網絡應用于電梯的交通流預測中，獲得較好的預測精度。支持向量機（ＳＶＭ）［５�玻叮菀越Y構風險較小化為優化目標，有更好的泛化能力，對小樣本有較強的預測能力。該方法已被應用到電梯交通流的預測中［７�玻福�，利用ＬＳ�玻樱郑停郏罚莺停樱郑遥郏福輰�交通流進行預測，把ＳＶＭ的應用領域進行了擴展。在研究中，只考慮了電梯交通流時間序列的橫向變化趨勢，而沒有考慮其縱向變化趨勢；對樣本參數的選取也沒有給出具體說明。本研究擬應用ＳＶＭ方法對電梯交通流進行預測，考慮其橫向和縱向變化趨勢，并通過與ＲＢＦ方法比較驗證算法的有效性。

登錄網站后可下載文件