移动污染源轨迹预测算法仿真与结果分析4.5.1 数据集和参数设置为了验证本章提出的基于混合智能遗传粒子群的优化超限学习机算法，设计了车辆轨迹预测实验。 本章采用 ACM SIGSPATIAL GIS 2012 [72]所提供的 GPS轨迹数据，对 ACMGIS 2012 大赛提供的 1S 高频采样数据，本章进行重采样，获得 5S 采样间隔的数据 1264 个，其中 80％的数据作为训练集，其余的20％用作测试集。为了验证模型的性能， 采用 6 个模型（ELM ，OELM ，GA-BPNN，HMM ，LSTM ，HGPSO-OELM ）对车辆轨迹进行预测。 实验中所用电脑配置： 处理器：Intel(R)Core(TM)i5 -7300HQ CPU@2.50GHz，内存：8.00GB，系统类型： 64 位操作系统，版本： Win 10。通过选用客观指标对预测算法的效果进行评价，指标为相关系数（R）、均方根误差（RMSE）、预测偏离度（PD）、耗时（TIME ）。这些指标可以通过式 （4.10）、式（4.11）、式（4.12）计算，其中 TIME 为程序从开始执行到结束操作的这段时间：,,mod,122,,mod,1()()() ()Nobs nobs nnmod,nnNobs nobs nnmod,nnyyyyRyyyy（4.10）2,n11Nobsmod,nnRMSEyyN（4.11）1(,)=nipiipdistPDT TT（4.12）其中，,obs ny、mod,ny、,obs ny、mod,ny、TIME 五个参数，分别代表真实值、预测值、平均真实值、平均预测值、算法耗时（S）；在预测偏离度中， T为实际轨迹序列，pT 为算法预测出的轨迹序列[73]。式（4.12）中轨迹序列 T={1T ,2T , ⋯, kT } ，预测轨迹序列pT ={1pT ,2pT , ⋯, pnT } ，k
