网络搜索数据和GWO-SVR模型的旅游短期客流量预测

发布时间：2021-10-29 20:41

　　利用皮尔森相关系数法处理网络搜索数据,用灰狼算法（grey wolf optimizer, GWO）优化支持向量回归（support vector regression, SVR）中的参数,提出并实现一种基于网络搜索数据和GWO-SVR模型的旅游短期客流量预测模型,并用参数优化后的SVR对客流量进行建模预测.以四川省九寨沟和四姑娘山两个景区为例,构建GWO-SVR、 ARIMA、 BPNN、 SVR、 CS-SVR、 PSO-SVR和无网络搜索数据等客流量预测模型进行实证分析.结果表明, GWO-SVR模型均优于其他模型,具有更高的预测精度. 

【文章来源】：福州大学学报(自然科学版). 2019,47(05)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1方法研究
    1.1 支持向量回归基本原理
    1.2 灰狼算法基本原理
    1.3 基于灰狼算法的支持向量回归参数优化
2 实证分析
    2.1 数据来源
    2.2 搜索关键词的选择
    2.3 GWO-SVR模型的建立
    2.4 结果分析
    2.5 GWO-SVR模型的稳定性验证
3 结语



本文编号：3465360