针对基于GPS／GIS的浮动车数据特点，总结其中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进

基于时间序列相空间重构和RBF神经网络的短时交通流量预测学习方法-Based on time series phase space reconstruction and RBF neural network method of short-term traffic flow prediction study

一个短时的电力流量预测，Elman算法与神经网络结合的实例(A short time traffic flow prediction, an example of the combination of Elman algorithm and neural network)