10.3969/j.issn.1001-3695.2014.03.012
旅游客流量预测:基于季节调整的PSO-SVR模型研究
旅游客流量具有明显的非线性和季节性特征,所以采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性。同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果。鉴于此,构建一种考虑季节影响的PSO-SVR模型,以北京为例将不同旅游客流量预测方法的拟合优度进行比较。结果显示:季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,该模型是进行旅游客流量预测的有效工具
旅游客流量预测、粒子群算法、支持向量回归机、季节调整、均方差比较
31
F590.3;TP393(旅游经济)
国家社会科学基金;河北省社会科学基金
2014-05-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
692-695