基于APSO-SVR的山岳风景区短期客流量预测

发布时间：2018-04-02 20:10

  本文选题：短期客流量　切入点：山岳风景区　出处：《旅游科学》2013年03期

【摘要】：根据山岳风景区短期客流量小样本、非线性等特征,本文提出基于自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)的支持向量回归(Support Vector Regression,SVR)模型,融合SVR处理小样本、非线性预测特性和APSO优化SVR参数的能力对山岳风景区短期客流量进行预测。来自山岳风景区黄山2008年～2011年暑期相关日数据的验证结果表明:与PSO-SVR、GA-SVR和BPNN等模型相比,APSO-SVR模型的预测准确性更高、误差更小,是进行山岳风景区短期客流量预测的有效工具。
[Abstract]:According to the characteristics of small sample and nonlinear of short-term tourist flow in mountain scenic area, this paper presents a support vector regression support Vector regression model based on adaptive Particle Swarm optimization algorithm (APSO), which combines SVR to process small samples.The nonlinear prediction characteristics and the ability of APSO to optimize SVR parameters are used to predict the short-term tourist flow of mountain scenic spots.The verification results from the relevant daily data of Huangshan Mountain from 2008 to 2011 show that compared with the PSO-SVRGA-SVR and BPNN models, the prediction accuracy and error of APSO-SVR model are higher than those of PSO-SVRV GA-SVR model and BPNN model. It is an effective tool for short-term tourist flow prediction of mountain scenic spots.
【作者单位】： 合肥工业大学管理学院;
【基金】：国家自然科学基金面上项目“基于行为决策的隐性目标决策模型与方法研究”(71271072) 安徽高校省级自然科学研究项目“风景名胜区客流量预测模型与对比方法研究”(KJ2012B097) 安徽省科技计划项目“智慧黄山风景区人流量智能分析预测系统”(10120106011)
【分类号】：F592.7;F224

【参考文献】

相关期刊论文 前7条

1 孙满英;周秉根;程晓丽;;九华山旅游气候适宜性及其对客流量影响[J];池州学院学报;2008年05期

2 周巍,陈秋红,肖晶,卢毅;人体舒适度指数对用电负荷的影响[J];电力需求侧管理;2004年03期

3 秦海超;王玮;周晖;王林;;人体舒适度指数在短期电力负荷预测中的应用[J];电力系统及其自动化学报;2006年02期

4 陈荔;马荣国;;基于支持向量机的都市圈客运量预测模型[J];交通运输工程学报;2010年06期

5 刘涵,刘丁,李琦;基于支持向量机的混沌时间序列非线性预测[J];系统工程理论与实践;2005年09期

6 牛东晓,邢棉;时间序列的小波神经网络预测模型的研究[J];系统工程理论与实践;1999年05期

7 杜京义;侯媛彬;;基于遗传算法的支持向量回归机参数选取[J];系统工程与电子技术;2006年09期

【共引文献】

相关期刊论文 前10条

1 李新;王翔;;平顶山旅游气候资源分析及评价[J];安徽农业科学;2011年12期

2 陈朝军;郭连军;;隐层自构造小波神经网络及其在深基坑支护工程中的应用[J];鞍山科技大学学报;2006年01期

3 高玮,郑颖人;岩土工程位移预测神经网络建模的几个问题[J];地下空间;2001年S1期

4 王宁,汪惠;基于小波方法的企业发展水平预测[J];北京工业大学学报(社会科学版);2004年01期

5 郭小东;田杰;王威;王志涛;马东辉;;基于GA-SVR的建筑物液化震陷预测方法[J];北京工业大学学报;2011年06期

6 温忠辉;任化准;束龙仓;王恩;柯婷婷;陈荣波;;岩溶地下河日流量预测的小样本非线性时间序列模型[J];吉林大学学报(地球科学版);2011年02期

7 施式亮,汤广发,何利文;基于小波神经网络的建筑火灾预测模型及应用[J];铁道科学与工程学报;2005年02期

8 秦海超;王玮;周晖;;人体舒适度在短期电力负荷预测中的应用[J];电力学报;2006年02期

9 潘国荣;谷川;;变形监测数据的小波神经网络预测方法[J];大地测量与地球动力学;2007年04期

10 王凯军,刘强,江琳,肖晶,卢毅,高山;杭州市缺电指数预报系统的研究[J];电力需求侧管理;2004年05期

相关会议论文 前5条

1 赵光耀;邹鹏;韩伟红;;基于遗传算法和LSSVM的网络安全事件发生频率预测[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

2 邹竹琴;路名芬;詹华斌;吴媛;;江西省电力行业气象服务效益评估研究[A];第26届中国气象学会年会气象灾害与社会和谐分会场论文集[C];2009年

3 于国荣;夏自强;;支持向量机的混沌序列预测模型及在径流中应用[A];2007重大水利水电科技前沿院士论坛暨首届中国水利博士论坛论文集[C];2007年

4 牛东晓;乞建勋;;工程项目造价的变结构神经网络改进的预测方法研究[A];2001年中国管理科学学术会议论文集[C];2001年

5 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 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年

2 董政;日盲紫外探测系统自动目标识别的研究[D];电子科技大学;2011年

3 李U，

本文编号：1701920