基于旅游数据的酒店入住率预测分析

发布时间：2021-05-10 15:48

　　随着我国旅游业的迅速发展,旅游大数据分析备受人们关注。旅游大数据通常存在来源广、数据不完整、时间不稳定等问题,使数据分析有很大难度。酒店业是旅游业的一个重要组成部分,酒店入住率是衡量一个酒店运营情况的重要因素之一,运用机器学习方法对酒店入住率进行预测分析具有重要意义。首先,对旅游数据描述和预处理。分析旅游数据并给出数据来源和描述,阐述旅游数据的特点和规律,从时间维度和酒店维度将数据分类,初步选取可用数据。对此数据进行数据清洗、数据变换、数据归一化,并设计数据集融合算法融合数据集,以获得最优数据集。然后,提出基于旅游数据的酒店入住率双层预测分析模型。分别在时间维度、时间-酒店维度建模,第一层模型是基于时间的回归预测模型（以下简称“第一层模型”）,是运用多项式回归方法分别对车流量、天气情况、风力、最高气温、最低气温、空气质量进行回归分析,得出其预测值,作为第二层模型的输入。第二层模型是基于时间和空间的酒店入住率双层预测分析模型（以下简称“第二层模型”）,将第一层模型的预测值与固有数据集整合,对整合数据分别基于BP神经网络、KNN、随机森林算法建立酒店入住率BP神经网络分类模型、酒店入住率K... 

【文章来源】：燕山大学河北省

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 相关理论与技术知识
    2.1 回归算法介绍
        2.1.1 线性回归算法及相关概念
        2.1.2 非线性回归算法及相关概念
    2.2 分类算法介绍
        2.2.1 knn(k近邻)算法及相关概念
        2.2.2 随机森林算法及相关概念
        2.2.3 bp神经网络算法及相关概念
    2.3 本章小结
第3章 旅游数据描述及预处理
    3.1 旅游数据分析
        3.1.1 旅游数据来源及描述
        3.1.2 旅游数据特点
        3.1.3 旅游数据统计规律
    3.2 旅游数据预处理
        3.2.1 旅游数据清洗
        3.2.2 旅游数据变换
        3.2.3 旅游数据归一化
        3.2.4 旅游数据集融合算法及过程
    3.3 本章小结
第4章 基于旅游数据的酒店入住率双层分析模型
    4.1 旅客选择酒店行为模式
    4.2 双层预测分析模型
    4.3 基于时间的酒店领域回归预测模型
        4.3.1 酒店领域数据回归算法介绍
        4.3.2 基于时间的酒店领域回归模型参数设置
    4.4 基于时间和空间的酒店入住率分类预测模型
        4.4.1 酒店入住率类别设置算法
        4.4.2 酒店与周围设施距离计算过程
        4.4.3 酒店入住率knn分类预测模型
        4.4.4 酒店入住率bp分类预测模型
        4.4.5 酒店入住率随机森林分类预测模型
    4.5 本章小结
第5章 实验与评估
    5.1 实验环境的搭建与部署
    5.2 实验设计与结果分析
        5.2.1 实验数据集
        5.2.2 实验度量标准
        5.2.3 时间模型实验结果分析
        5.2.4 整合回归模型预测值
        5.2.5 时间和空间模型实验结果分析
    5.3 实验结果分析
    5.4 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]可扩展机器学习的并行与分布式优化算法综述[J]. 亢良伊,王建飞,刘杰,叶丹.  软件学报. 2018(01)
[2]具有超父结点时间序列贝叶斯网络集成回归模型[J]. 王双成,高瑞,杜瑞杰.  计算机学报. 2017(12)
[3]全域旅游背景下大数据在酒店行业中的运用研究[J]. 龚花,陈名辉.  经贸实践. 2017(07)
[4]GeoPMF:距离敏感的旅游推荐模型[J]. 张伟,韩林玉,张佃磊,任鹏杰,马军,陈竹敏.  计算机研究与发展. 2017(02)
[5]大数据下的快速KNN分类算法[J]. 苏毅娟,邓振云,程德波,宗鸣.  计算机应用研究. 2016(04)
[6]基于MapReduce快速kNN Join方法[J]. 戴健,丁治明.  计算机学报. 2015(01)
[7]改进遗传算法优化BP神经网络的旅游景区日客流量预测[J]. 宋国峰,梁昌勇,梁焱,赵树平.  小型微型计算机系统. 2014(09)
[8]大数据研究综述[J]. 涂新莉,刘波,林伟伟.  计算机应用研究. 2014(06)
[9]供需不平衡背景下酒店入住率的预测模型——以海南为例[J]. 刘红.  旅游研究. 2013(03)
[10]大数据管理:概念、技术与挑战[J]. 孟小峰,慈祥.  计算机研究与发展. 2013(01)

硕士论文
[1]上海市精品酒店微观选址影响因素研究[D]. 查根凤.上海师范大学 2017
[2]基于KNN算法的空间手势识别研究与应用[D]. 张硕.吉林大学 2017
[3]水质数据的回归分析算法研究与应用[D]. 汪旭.重庆邮电大学 2016
[4]基于层次分析法的经济型酒店选址研究[D]. 范琰琰.浙江工商大学 2015



本文编号：3179630