ARIMA-ATT-LSTM在旅游客流量预测中的应用研究

发布时间：2024-06-02 07:31

　　现如今,经济不断向好发展,物质生活条件也日益改善,人们的物质需求得到满足的同时对于精神文化的需求也在不断提高。旅游成为人们放松心情、游玩享受的首选,旅游业也由此得到了蓬勃的发展。与此同时,高峰期旅客爆满、景区拥堵、环境破坏、安全隐患、淡季旅游资源闲置等问题也随之凸显。为避免以上问题,通过对旅客客流量实现精准预测,能够帮助景区管理人员制订合理规划,提前做好应急预案,从而实现对景区科学的管理和决策。然而传统的旅客客流量预测,主要依赖官方的发布的缺乏时效性的季度或者年度历史数据,具有滞后性,也严重掣肘政府或景区管理者进行科学理性的规划和决策。科技变革不断推进,“互联网+大数据”时代已经到来。大众的消费行为习惯也随着互联网技术的不断更新发展而发生改变,在进行某项决策时人们往往会通过在网络搜索引擎搜索关键词来获取相关信息。当人们产生旅游需求时,会体现在旅游产业和互联网上,旅游产业的变化表现为旅游客流量的变化,而对于互联网来说,则表现为旅游相关关键词网络搜索指数的改变。由此可见,旅游客流量和网络搜索关键词指数之间存在一定的相关性。于是为了实现对旅游客流量的精准预测,帮助景区进行合理科学的决策,本文...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 传统旅客客流量预测研究
        1.3.2 应用网络搜索数据的预测研究
        1.3.3 组合模型的预测研究
    1.4 研究内容和创新点
        1.4.1 研究内容
        1.4.2 创新点
2 基础理论
    2.1 传统时间序列模型
        2.1.1 ARIMA时间序列模型
    2.2 机器学习预测模型
        2.2.1 支持向量机
        2.2.2 GBRT算法
        2.2.3 LSTM神经网络
3 预测模型优化改进
    3.1 注意力机制
    3.2 基于注意力机制的LSTM改进模型
    3.3 优化模型的组合预测模型
        3.3.1 ARIMA-ATT-LSTM模型
4 客流量数据与关键词分析
    4.1 客流量获取与数据预处理
    4.2 关键词分析
        4.2.1 初选核心关键词
        4.2.2 扩展核心关键词
        4.2.3 筛选核心关键词
    4.3 百度指数获取
    4.4 客流量数据以及网络搜索数据描述性分析
5 旅游客流量预测研究
    5.1 ARIMA模型拟合及预测研究
    5.2 结合网络搜索数据的模型预测研究
        5.2.1 预测模型输入数据
        5.2.2 SVR模型
        5.2.3 GBRT模型
        5.2.4 ATT-LSTM模型
    5.3 优化组合模型ARIMA-ATT-LSTM预测研究
    5.4 模型的综合分析结果比较
    5.5 九寨沟数据实证分析
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3987015