改进果蝇算法优化回声状态网络的旅游需求预测研究

发布时间：2020-07-01 22:21

【摘要】：首先对标准果蝇优化算法FOA进行改进,自适应调整果蝇种群数量和搜索步长,同时优化初始迭代位置,改善算法局部搜索能力和搜索效率。接着将改进的FOA算法AFOA与回声状态网络ESN相结合,构建一个两阶段组合预测模型(AFOA-ESN),通过AFOA优化ESN获取其关键参数,将优化后的参数输入ESN,形成最终的组合预测模型。最后利用该模型进行旅游需求预测。实验结果表明,AFOA-ESN模型较自回归移动平均模型、支持向量机模型、BP神经网络、标准ESN网络以及其他预测模型具有更高的预测精度。
【图文】：

果蝇优化算法(FOA)通过模拟果蝇觅食行为寻找目标函数最优解,属于一种较为新颖的启发式算法。FOA算法拥有很强的全局搜索能力和快速收敛性能,算法结构简单、运行效率高。FOA算法主要包括种群初始化、随机飞行、确定味道浓度判定值、确定味道浓度、位置标记5个步骤。FOA算法的逻辑结构如图1所示。(1) 种群初始化。

X best =X(bestindex)?????? ??? (20) Y best =Y(bestindex)?????? ??? (21) bestSmell_global=bestSmell?????? ??? (22)(6) 调整种群规模和搜索步长。根据当前迭代最优解,对下一迭代的种群规模Sizepop(t+1)和搜索步长StepLength(t+1)进行调整。

【相似文献】

相关期刊论文 前10条

1 郭金玲;樊东燕;;基于SVM的山西省旅游需求预测与分析[J];电脑开发与应用;2011年09期

2 王先远,黎志成,蔡淑琴;企业物资需求预测神经网络专家系统[J];华中理工大学学报;1993年04期

3 秦伟兴;;决策支持系统在煤炭需求预测的应用研究[J];智能计算机与应用;2013年01期

4 宁丹;刘鸿雁;;基于模糊聚类的马尔可夫方法在需求预测中的应用[J];计算机应用与软件;2008年06期

5 王坤;员晓阳;王力;;基于改进模糊支持向量回归模型的机场能源需求预测[J];计算机应用;2016年05期

6 翁辉;刘怡;刘鹏宇;卢炳伟;;基于案例推理的装备保障训练资源需求预测方法研究[J];舰船电子工程;2014年06期

7 郑作文;薛红;张鹏;李伟男;;连锁零售企业应急需求预测——基于粗糙集和支持向量机[J];现代商贸工业;2015年17期

8 范振东;;基于BP神经网络的河南开封市住房需求预测[J];科技广场;2010年03期

9 张文芬;杨家其;;基于小波神经网络的海上突发事件应急资源动态需求预测[J];运筹与管理;2015年04期

10 丛丛;李俊辉;;基于BP神经网络的农村公路货运需求预测[J];广东交通职业技术学院学报;2019年02期

相关博士学位论文 前2条

1 曹进;服务型制造需求预测及能力规划研究[D];上海交通大学;2017年

2 杨泽渠;智能电网中用户数据安全及隐私保护研究[D];浙江大学;2017年

相关硕士学位论文 前10条

1 李文杰;基于深度学习的网约车乘客需求预测[D];西南交通大学;2019年

2 裘瑞清;半封闭区域内泊位需求预测模型及应用研究[D];杭州电子科技大学;2019年

3 陈明扬;改进果蝇算法优化回声状态网络的旅游需求预测研究[D];华中科技大学;2019年

4 马勇;基于共享单车轨迹数据的需求预测及智能调度方法研究[D];北方工业大学;2019年

5 吴晓曦;工业气体行业的客户需求预测系统研究[D];上海交通大学;2017年

6 郑秉中;航空货运舱位需求预测研究[D];中国民航大学;2010年

7 张沂华;基于灰色拓扑的航班订座需求预测方法研究[D];中国民航大学;2011年

8 高豪杰;基于BP神经网络的阀门制造企业库存需求预测应用研究[D];北京交通大学;2015年

9 曾奕;差分进化算法优化BP神经网络的能源需求预测研究[D];华中科技大学;2015年

10 郭小梅;基于案例推理的应急物资需求预测研究[D];兰州交通大学;2017年

本文编号：2737343