旅游客流量预测:基于季节调整的PSO-SVR模型研究

发布时间：2018-01-03 20:39

本文关键词：旅游客流量预测:基于季节调整的PSO-SVR模型研究　出处：《计算机应用研究》2014年03期 　论文类型：期刊论文

【摘要】：旅游客流量具有明显的非线性和季节性特征,所以采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性。同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果。鉴于此,构建一种考虑季节影响的PSO-SVR模型,以北京为例将不同旅游客流量预测方法的拟合优度进行比较。结果显示:季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,该模型是进行旅游客流量预测的有效工具。
[Abstract]:Tourist industry has a strong seasonal trend, so take seasonal adjustment method to preprocess the sample data to eliminate the seasonal influence, can improve the accuracy of the traffic prediction. At the same time, SVR (support vector machine) is a good way of learning machine learning, very suitable for prediction research, supplemented by PSO (the particle swarm algorithm) selection of regression parameters suitable to obtain more accurate predicting results. In view of this, to construct a PSO-SVR model considering seasonal effects, compares goodness of fit with the flow of different customer forecast methods in tourism in Beijing. The results showed that PSO-SVR model prediction accuracy of seasonal adjustment is higher than that of SVR and SVR seasonal adjustment and PSO-SVR model, this model is a powerful tool for tourism flow forecasting.

【作者单位】：燕山大学经济管理学院;
【基金】：国家社会科学基金资助项目(09BJY087) 河北省社会科学基金资助项目(HB12YJ075)
【分类号】：F592;TP18
【正文快照】： 0引言旅游业是一个关联性、带动性极强的综合性产业,对经济社会发展具有重要的促进作用,同时旅游业又具有很强的季节性。在旅游旺季,许多旅游景区、宾馆酒店、游乐场所人满为患,不利于资源环境保护和旅游服务质量的提高;在旅游淡季,景点、宾馆酒店、游乐场所游客稀少,造成旅游

【参考文献】

相关期刊论文前10条

1 陈传亮;田英杰;别荣芳;;基于粒子群优化的SVR算法与BP网络的比较研究[J];北京师范大学学报(自然科学版);2008年05期

2 朱晓华,杨秀春;旅游客源预测模型及其对比[J];地理与地理信息科学;2004年05期

3 李志龙;陈志钢;覃智勇;;基于支持向量机旅游需求预测[J];经济地理;2010年12期

4 夏国恩;邵培基;;改进SVR在金融时间序列预测中的应用[J];金融理论与实践;2008年11期

5 冯兴杰,魏新,黄亚楼;基于支持向量回归的旅客吞吐量预测研究[J];计算机工程;2005年14期

6 王瑞雪;刘渊;;GAFSA优化SVR的网络流量预测模型研究[J];计算机应用研究;2013年03期

7 张杰;贾振红;覃锡忠;陈丽;;基于改进PSO算法优化LS-SVR的话务量预测[J];激光杂志;2013年02期

8 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期

9 杨名桂;杨晓霞;;基于灰色预测模型的重庆市入境旅游客流量预测[J];西南师范大学学报(自然科学版);2010年03期

10 肖智;李玲玲;;PSO-SVM在高速公路交通量预测中的应用[J];管理评论;2011年12期

【共引文献】

相关期刊论文前10条

1 汪祖丞;刘玲;;旅游客流预测模型的比较及其实证研究——以黄山风景区为例[J];安徽师范大学学报(自然科学版);2010年03期

2 黄贤源;翟国君;隋立芬;黄谟涛;欧阳永忠;柴洪洲;;LS-SVM算法中优化训练样本对测深异常值剔除的影响[J];测绘学报;2011年01期

3 游安清,程义民,赵平,郭从良;用不同核函数的SVM对红外目标进行运动和轨迹估计[J];电路与系统学报;2005年02期

4 石宁;陆亦工;肖成勇;;基于进化支持向量机的机械状态预测[J];辽宁工程技术大学学报(自然科学版);2010年04期

5 马泳;田金文;冀航;;基于支持向量机的激光成像雷达地形重采样[J];光电工程;2007年10期

6 贾跃千;宝贡敏;严江;;旅游卫星账户的理论、编制及发展[J];旅游论坛;2009年05期

7 李少游;程丹;刘利斌;;基于混合多项式模型的韶山红色旅游需求人数预测[J];旅游论坛;2012年01期

8 康艳梅;周申立;;嘉陵江源头旅游开发与生态环境保护研究[J];高师理科学刊;2006年02期

9 殷书炉;杨立勋;;旅游需求预测方法与模型评述[J];甘肃省经济管理干部学院学报;2008年03期

10 束礼菊;董薇;;基于GM(1,1)模型的金城山客流量预测[J];甘肃农业;2011年01期

相关期刊论文前10条

1 丁蕾;朱德权;;基于BP与SVR的非线性回归之比较[J];安庆师范学院学报(自然科学版);2011年02期

2 邓波;李健;孙涛;张金生;王惠东;;基于神经网络的话务量预测[J];成都信息工程学院学报;2008年05期

3 杨一文,刘贵忠;分形市场假说在沪深股票市场中的实证研究[J];当代经济科学;2002年01期

4 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

5 高海兵,高亮,周驰,喻道远;基于粒子群优化的神经网络训练算法研究[J];电子学报;2004年09期

6 刘新奇;;基于Logistic和S曲线的交通量预测方法[J];湖南交通科技;2006年02期

7 陈秀莲;;泛珠三角国际旅游产业结构实证分析——基于次区域理论和灰色关联度的探讨[J];国际经贸探索;2007年07期

8 朱信山,尹良龙;高速公路交通量预测存在的问题与建议[J];公路交通科技;1999年03期

9 康传德;庄小丽;魏龙吉;;基于灰色系统理论的市场潜力预测模型——以我国旅游电子商务市场为例[J];石家庄经济学院学报;2006年02期

10 王红姝;张莹;;黑龙江省入境旅游客源灰色预测模型[J];黑龙江对外经贸;2008年06期

相关期刊论文前10条

1 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期

2 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期

3 汲万峰;姜礼平;朱建冲;孙钧正;;基本粒子群算法和遗传算法用于航路规划的比较[J];火力与指挥控制;2011年06期

4 岑翼刚,秦元庆,孙德宝,李宁;粒子群算法在小波神经网络中的应用[J];系统仿真学报;2004年12期

5 雍龙泉;张建科;张晓清;;求解一类随机优化问题的粒子群算法[J];武汉大学学报(理学版);2005年S2期

6 黄yN;孙德宝;秦元庆;;基于粒子群算法的移动机器人路径规划[J];兵工自动化;2006年04期

7 张宝菊;单国全;齐名军;;求解非线性约束优化问题改进的粒子群算法[J];天津师范大学学报(自然科学版);2006年02期

8 宫琳;孙厚芳;赖国强;;基于混合算法的典型调度问题求解研究[J];组合机床与自动化加工技术;2006年06期

9 宋初一;姜明晨;时宏杰;姜艳清;姜静清;包德喜;;粒子群优化算法及其应用[J];内蒙古民族大学学报(自然科学版);2006年04期

10 张建科;刘三阳;张晓清;;飞行时间自适应调整的粒子群算法[J];计算机应用;2006年10期