基于机器学习的旅游景区日客流量预测方法研究

发布时间：2024-12-27 04:28

　　近年来,我国社会快速发展,推动了产业转型、服务转型,我国旅游业也进入了黄金发展时期。旅游业的蓬勃发展促进了社会经济和国民经济的提升,但与此同时,旅游人潮的日益庞大也为行业的健康发展带来一些挑战。旅游景区的客流量和资源配置逐渐表现出时间和空间上的不均衡,为景区管理和游客体验带来了负面影响。因此,建立有效的游客量预测模型,从数据中发现消费的规律,提高预测、预判、预备的能力,对于促进我国旅游产业的健康可持续发展具有重要的指导意义。本文首先针对旅游景区日客流量的时空分布特征及相关影响因素进行分析。通过分析景区日客流量在时间上的分布特征,发现旅游客流量具有非线性、周期性、淡旺季分布不均衡以及节假日与非节假日分布不均衡的特点。对于景区日客流量相关影响因素的分析,本文从相关性和可操作性的角度提取出6类对日客流量影响比较大的因素,并从中选取出15个相关指标,为预测任务提供依据。其次,在对数据进行预处理后,通过特征选择从15个影响因素指标中筛选出6个指标作为特征,建立了基于SPCA-LSTM的旅游景区日客流量预测模型。将稀疏主成分分析结合长短时记忆神经网络对景区日客流量进行预测。通过对比实验,证明了 SP...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图1-12012-2019年中国旅游行业总收入及增长情况

绪论11绪论1.1选题背景及意义如今，国内的经济持续快速增长，居民消费水平和生活水平也逐步提高，这促使我国旅游业进入了一个蓬勃发展的新阶段。图1-1显示了2012-2019年我国旅游行业总收入及增速，2012年我国旅游行业总收入为2.58万亿元，到了2019年旅游消费行业的总收入....

图2-1SVR示意图[41]

西安理工大学硕士学位论文10能力比较强，也不需要对数据集进行特别复杂和规范化的处理；然而，在采用随机森林处理小型数据集时较容易出现过拟合现象。2.2支持向量回归支持向量回归（SupportVectorRegression，SVR）是在支持向量机（SupportVectorMach....

图2-2RNN网络结构示意图

西安理工大学硕士学位论文14行求解;Step3：对求解算法进行迭代，直到达到终止条件。终止条件可以根据迭代次数或者目标函数值的更新率来进行设置Step4：求解出其余k-1个Lasso问题的解，即可得到前k个稀疏载荷1,2,,;Step5：将系数矩阵=1,2,,与样本集X相乘，就得....

图2-3LSTM神经元内部结构

相关理论介绍15一组学习样本，循环神经网络使用共享的权重计算所有时间步的输出。每个循环单元当前时间步的状态由该时间步的输入和上一个时间步的状态决定：=1++(2-17),ω是循环节点的权重，为状态-状态权重，ω为状态-输入权重。最后通过一个全连接层进行输出。不同于传统的前馈神经网....

本文编号：4021133