基于LS-SVM方法的景区客流中期预测研究

发布时间：2018-01-12 01:07

  本文关键词：基于LS-SVM方法的景区客流中期预测研究　出处：《旅游学刊》2013年04期 　论文类型：期刊论文

  更多相关文章： 景区客流 最小二乘支持向量机 中期预测 黄山风景区

【摘要】：受到季节性、外部冲击和经济周期等因素作用的景区客流波动幅度大,其预测一直是旅游学研究中的难题,尤其是中长期预测。文章采用当前使用极为广泛的最小二乘支持向量机方法(least squares support vector machines,LS-SVM)对黄山风景区客流月度数据(1987年1月～2010年12月)进行了2年时间尺度的预测,结果表明:采用LS-SVM方法进行景区客流中期预测,其预测的各项性能指标均明显优于BP神经网络(Back Propagation Neural Network)、X-12-ARIMA(Autoregressive Integrated Moving Average Model)、经验模态分解(empirical mode decomposition,EMD)与LS-SVM组合预测方法,即EMD-LSSVM方法,预测效果理想,并且具有训练时间短、精度高等优点。其较为准确的预报能力能够为景区规划管理和战略决策提供科学依据,具有较高的实用价值。
[Abstract]:Due to seasonal factors, external shocks and economic cycles, the tourist flow fluctuates greatly, and its prediction has always been a difficult problem in the study of tourism. In particular, medium and long term prediction. The least squares support vector machine (LS-SVM) method, which is widely used at present, is used in this paper. Least squares support vector machines. Based on the monthly data of Huangshan Scenic area from January 1987 to December 2010, LS-SVM predicted the 2-year time scale. The results show that the LS-SVM method is used to forecast the tourist flow in the scenic area in the medium term. The performance indexes predicted by this method are obviously better than that of BP neural network (back Propagation Neural Network). X-12-Arima autoregressive Integrated Moving Average Model. Empirical mode decomposition (EMD) and LS-SVM combined prediction method, that is, EMD-LSSVM method. The prediction effect is ideal and has the advantages of short training time and high precision. Its more accurate forecast ability can provide scientific basis for planning management and strategic decision of scenic spot and has higher practical value.
【作者单位】： 黄山学院旅游学院;
【基金】：国家自然科学基金(41071327) 安徽省教育厅人文社科重点项目(SK2012A118) 黄山学院科研项目(2011xkjq001)资助~~
【分类号】：F590;F224
【正文快照】： 1引言旅游需求预测在国家旅游发展政策制定和战略规划、旅游市场资源优化配置、旅游企业战略计划和决策制定等方面有着极为重要的作用[1]。因而,旅游客流预测一直是旅游研究中的热点,但又是旅游学界面对的难点课题。在1960～2002年间,世界上与旅游相关的70种研究刊物中,出版了

【参考文献】

相关期刊论文 前10条

1 翁钢民;郑竹叶;刘洋;;我国入境旅游预测:基于ARFIMA模型的研究[J];商业研究;2009年06期

2 汤俊;邹自力;张晓平;;利用经验模态分解和LSSVM预测隧道不均匀沉降[J];测绘科学;2011年03期

3 张郴;张捷;;中国入境旅游需求预测的神经网络集成模型研究[J];地理科学;2011年10期

4 代姗姗;徐红罡;;武陵源旅游需求预测模型精确性的研究[J];旅游论坛;2008年05期

5 何荣国;邓国和;;桂林市旅游人数的时间序列预测模型[J];广西科学院学报;2007年03期

6 涂雄苓;黄月玲;;旅游需求预测的ARIMA乘积季节模型构建及实证分析——以桂林市为例[J];广西财经学院学报;2011年01期

7 方瑛;赵光娟;肖枝洪;陈晓坤;;四川入境游人数的预报[J];湖北工业大学学报;2011年03期

8 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

9 王洪波;朱启兵;;基于EMD和LS-SVM的非平稳振动信号趋势预测[J];计算机工程与应用;2008年16期

10 王宇红,黄德先,高东杰,金以慧;基于LS-SVM的非线性预测控制技术[J];控制与决策;2004年04期

【共引文献】

相关期刊论文 前10条

1 鲍青青;唐善茂;刘胜峰;陆琳;;基于粗神经网络的旅游需求预测研究[J];安徽农业科学;2006年17期

2 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

3 张建玲;林苗苗;刘建华;申国华;;时间序列季节调整方法在气象要素预测中的应用分析[J];现代农业科技;2009年23期

4 高学金;王普;孙崇正;易建强;张亚庭;张会清;;一种建立发酵过程模型的新方法[J];北京工业大学学报;2006年05期

5 张万君;吴晓颖;王新;;Multi-resolution EMD and classscatter matrix extracting of tank sound[J];Journal of Beijing Institute of Technology;2012年01期

6 李君轶;马耀峰;杨敏;;我国旅游市场需求预测研究综述[J];商业研究;2009年03期

7 翁钢民;郑竹叶;刘洋;;我国入境旅游预测:基于ARFIMA模型的研究[J];商业研究;2009年06期

8 唐世星;王英新;张艳华;;GM(1,1)循环残差修正模型及其应用研究[J];承德石油高等专科学校学报;2010年04期

9 宋建成;郑建斌;曲兵妮;张宏达;;开关磁阻电机的最小二乘支持向量机建模与仿真[J];电机与控制学报;2010年05期

10 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

相关会议论文 前7条

1 阎纲;梁昔明;龙祖强;李翔;;一种新的提前一步预测控制算法[A];第二十七届中国控制会议论文集[C];2008年

2 ;An Integrated Algorithm for Hinging Hyperplanes and Its Application in Distillation Process[A];中国自动化学会控制理论专业委员会B卷[C];2011年

3 陆相林;;SOFM方法在山东省17地市旅游综合实力评价中的应用[A];节能环保 和谐发展——2007中国科协年会论文集（一）[C];2007年

4 蒋少华;桂卫华;阳春华;;基于LS-SVM的淬火炉Hammerstein故障预测模型应用研究[A];2009中国控制与决策会议论文集（1）[C];2009年

5 鲁春燕;李炜;刘微容;;基于LS-SVM的氧化铝粉流量软测量建模[A];全国冶金自动化信息网2009年会论文集[C];2009年

6 张春霞;吴智刚;;城市居民乡村旅游需求特征差异性研究——以广州市为例[A];生态文明视角下的城乡规划——2008中国城市规划年会论文集[C];2008年

7 陈荣;梁昌勇;谢福伟;梁焱;;基于自适应GA-SVR的旅游景区日客流量预测[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

相关博士学位论文 前10条

1 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年

2 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年

3 黄光东;基于智能算法的滑坡稳定性建模与分析[D];中国地质大学（北京）;2011年

4 韩晓明;基于符号有向图和支持向量机的故障诊断方法的研究[D];太原理工大学;2011年

5 桂文林;子年度经济时间序列季节调整模型与应用研究[D];暨南大学;2011年

6 丁忆;中国国内旅游消费理论与实证研究[D];华东师范大学;2011年

7 金珠;改进的支持向量机分类算法及其在煤矿人因事故安全评价中的应用[D];中国矿业大学;2011年

8 段永桓;基于RFA和Copula的海南旅游业及高尔夫产业预测[D];天津大学;2011年

9 张燕锋;三废锅炉智能控制系统的研究与应用[D];昆明理工大学;2011年

10 吴震宇;内燃机故障诊断若干理论与相关技术的研究[D];东北大学;2010年

相关硕士学位论文 前10条

1 王欢;基于居民需求的旅游发展对策研究[D];华中农业大学;2010年

2 鲁智勇;漠河县旅游产业发展对策研究[D];中国农业科学院;2010年

3 任洁;中国居民消费价格指数波动的实证研究[D];昆明理工大学;2008年

4 黄银珠;基于多种模型的福建省旅游需求预测[D];福建师范大学;2010年

5 冀雪;沪深股市财富效应与消费需求研究[D];东北财经大学;2010年

6 李莉;赴大连自驾车旅游游客需求特征研究[D];东北财经大学;2010年

7 王美露;基于商品零售总额的季节调整方法比较研究[D];山东经济学院;2011年

8 谭彦;宗教旅游景区旅游者需求研究[D];西北大学;2011年

9 郑龙生;基于BP神经网络模型的商务型饭店微观选址研究[D];西南大学;2011年

10 张福利;状态空间模型在季节性时间序列中的应用[D];大连海事大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 翁钢民;郑竹叶;刘洋;;我国入境旅游预测:基于ARFIMA模型的研究[J];商业研究;2009年06期

2 戴吾蛟;丁晓利;朱建军;陈永奇;李志伟;;基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用[J];测绘学报;2006年04期

3 张鸣芳,项燕霞,齐东军;居民消费价格指数季节调整实证研究[J];财经研究;2004年03期

4 朱湖英;许春晓;;不同收入城市居民文化旅游需求差异研究——以长沙市不同收入居民对凤凰古城的旅游需求为例[J];长沙大学学报;2006年01期

5 卞显红;旅游者目的地选择影响因素分析[J];地理与地理信息科学;2003年06期

6 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

7 牛亚菲;旅游供给与需求的空间关系研究[J];地理学报;1996年01期

8 朱迎波,葛全胜,魏小安,董培南,何连生,彭唬;SARS对中国入境旅游人数影响的研究[J];地理研究;2003年05期

9 徐泽水,达庆利;一种组合加权几何平均算子及其应用[J];东南大学学报(自然科学版);2002年03期

10 潘迪夫;刘辉;李燕飞;;基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型[J];电网技术;2008年07期

相关重要报纸文章 前1条

1 刘理科 何文宗　向朝伦;[N];四川日报;2006年

相关硕士学位论文 前2条

1 熊靓;上海市入境旅游市场统计分析及预测模型研究[D];华东师范大学;2004年

2 王金明;地铁隧道施工引起的地表沉降及变形研究[D];中南大学;2009年

【相似文献】

相关期刊论文 前10条

1 刘芹;张文峰;吴卓葵;叶祥;;基于最小二乘支持向量机的城市客运量预测模型[J];交通与计算机;2007年05期

2 叶公伟;袁永博;;基于最小二乘支持向量机的标高金预测方法研究[J];建筑管理现代化;2009年03期

3 秦丽娟;邓峰;;基于贝叶斯框架的最小二乘支持向量机煤价预测[J];煤炭经济研究;2009年11期

4 靳召东;陈虹;刘琳;张钲浩;;最小二乘支持向量机在公路交通客流量预测中的应用[J];交通标准化;2010年09期

5 姜华;曹红妍;;基于最小二乘支持向量机的铁路客运量预测研究[J];河南科学;2010年08期

6 樊荣;唐宁;周则贺;高文伟;;基于LS-SVM的某型装备保障性能评估研究[J];工业工程;2006年04期

7 张梦;焦合军;;基于最小二乘支持向量机的普通高校招生人数预测研究[J];郑州航空工业管理学院学报;2008年01期

8 谢颖;何东坡;;基于独立分量分析——最小二乘支持向量机的公路建设项目投资估算新模型[J];数学的实践与认识;2008年06期

9 张丽叶;郑绍钰;;基于LS-SVM的装备研制费用建模与分析[J];兵工自动化;2009年02期

10 叶小荣;王伟平;黄永武;;基于LS-SVM的经济发展水平预测[J];统计与决策;2009年17期

相关会议论文 前10条

1 申重阳;谈洪波;郝洪涛;李辉;杨光亮;玄松柏;;姚安M_S6.0地震的重力中期预测[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年

2 耿庆国;;旱震关系对2001年昆仑山口西8.1级强震的中期预测[A];中国地球物理学会年刊2002——中国地球物理学会第十八届年会论文集[C];2002年

3 耿庆国;;旱震关系对2003年新疆巴楚——伽师地震的中期预测[A];中国地球物理.2003——中国地球物理学会第十九届年会论文集[C];2003年

4 沈宗丕;;我国未来25年内八级左右大震的中期预测[A];2001年中国地球物理学会年刊——中国地球物理学会第十七届年会论文集[C];2001年

5 刘丹军;胡邦辉;袁野;张辉;;最小二乘支持向量机在能见度预报中的应用[A];第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集[C];2009年

6 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）][C];2009年

7 卢志刚;易之光;赵翠俭;李兵;吴士昌;;基于最小二乘支持向量机的非线性自适应逆控制[A];2005中国控制与决策学术年会论文集（上）[C];2005年

8 虞俊;王冰;王平;陈星莺;;基于交叉验证最小二乘支持向量机的风速预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

9 鲁春燕;李炜;刘微容;;基于LS-SVM的氧化铝粉流量软测量建模[A];全国冶金自动化信息网2009年会论文集[C];2009年

10 徐达;武新星;胡俊彪;郭磊;李华;;最小二乘支持向量机回归预测模型研究与实现[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

相关重要报纸文章 前10条

1 遵化市东陵林场 朱桂林;苗木价格走势中期预测[N];河北科技报;2006年

2 孙增刚;蔬菜需求将增加[N];国际商报;2003年

3 吴海瀛;2007年全球钼供需亏空量剧增[N];中国有色金属报;2008年

4 季谭邋田毅 杨勇;地问：汶川,科学视角的观察[N];第一财经日报;2008年

5 高盛国际全球投资研究部 雅客·弗兰克·道森;奢侈品：到东方去[N];中国经营报;2006年

6 本报记者 滕艳;日本地震再引预测话题[N];中国国土资源报;2011年

7 刘婷婷;美联储或将再度降息[N];中华工商时报;2008年

8 记者 叶佳;日央行总裁提名遭参院否决[N];经济参考报;2008年

9 记者 章轲;徐道一：大地震是有可能预测的[N];第一财经日报;2011年

10 记者 张洁;“地震预测是巨大的挑战”[N];湖北日报;2007年

相关博士学位论文 前10条

1 刘昕;多功能传感器信号重构方法研究及其应用[D];哈尔滨工业大学;2009年

2 王永安;液压集成块性能评估系统关键技术研究[D];大连理工大学;2009年

3 林连雷;支持向量机算法及其在雷达干扰效果评估中的应用研究[D];哈尔滨工业大学;2009年

4 范玉刚;基于Kernel的机器学习在建模与分类问题的应用研究[D];浙江大学;2006年

5 陈爱军;最小二乘支持向量机及其在工业过程建模中的应用[D];浙江大学;2006年

6 彭珍瑞;基于LS-SVM的气液两相流参数测量研究[D];浙江大学;2007年

7 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年

8 陈磊;大规模供水系统直接优化调度研究[D];浙江大学;2005年

9 杨福刚;输液中微小异物目标视觉检测技术研究[D];山东大学;2008年

10 李丽娟;最小二乘支持向量机建模及预测控制算法研究[D];浙江大学;2008年

相关硕士学位论文 前10条

1 姬春煦;基于神经网络集成的股票指数中期预测[D];西北工业大学;2005年

2 康晓非;基于支持向量机的多用户检测算法研究[D];西安科技大学;2005年

3 王瑞;基于支持向量机的医学图像处理[D];西安理工大学;2008年

4 宋初一;基于最小二乘支持向量机及粒子群优化的特征选择算法研究[D];吉林大学;2008年

5 张晓东;沈阳市宏观经济消费系统的控制论研究[D];沈阳工业大学;2004年

6 张国俊;财务危机预警模型在信贷风险管理中的应用研究[D];重庆大学;2005年

7 李莹;精馏过程航煤干点的软测量工程实现[D];大连理工大学;2006年

8 樊伟;通信信号自动调制识别中的分类器设计[D];西南交通大学;2005年

9 王芳;基于支持向量机的航段运量预测研究[D];南京航空航天大学;2007年

10 李昂;基于SVM的常压塔石脑油干点软测量建模研究[D];哈尔滨工业大学;2008年

，

本文编号：1412004