10.3969/j.issn.1006-575X.2013.03.005
基于APSO-SVR的山岳风景区短期客流量预测
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.
短期客流量、山岳风景区、支持向量回归、自适应粒子群算法、预测模型
27
F590(旅游经济)
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
2013-09-18(万方平台首次上网日期,不代表论文的发表时间)
共11页
50-60