購物車(0)
網絡搜索數據和GWO-SVR模型的旅游短期客流量預測
王蘭梅; 陳崇成; 葉曉燕; 潘淼鑫 福州大學空間數據挖掘與信息共享教育部重點實驗室; 地理空間信息技術國家地方聯合工程研究中心; 福建福州350108; 福建師范大學數學與信息學院; 福建省公共服務大數據挖掘與應用工程技術研究中心; 福建福州350117
關鍵詞：旅游客流量預測 網絡搜索數據 支持向量回歸 灰狼優化算法
摘要：利用皮爾森相關系數法處理網絡搜索數據,用灰狼算法(grey wolf optimizer,GWO)優化支持向量回歸(support vector regression,SVR)中的參數,提出并實現一種基于網絡搜索數據和GWO-SVR模型的旅游短期客流量預測模型,并用參數優化后的SVR對客流量進行建模預測.以四川省九寨溝和四姑娘山兩個景區為例,構建GWO-SVR、ARIMA、BPNN、SVR、CS-SVR、PSO-SVR和無網絡搜索數據等客流量預測模型進行實證分析.結果表明,GWO-SVR模型均優于其他模型,具有更高的預測精度.
福州大學學報·自然科學版雜志要求:
{1}參考文獻以作者親自閱讀的近期公開發表的文獻為準(內部資料、待發表等不得列入)，論著類文稿的參考文獻不超過10條，綜述類文稿的參考文獻不超過30條，其他類文稿的參考文獻不超過5條。
{2}對于重要的或有爭議的稿件，編輯委員會將在與編輯部之外的專門研究人員協商討論后，最終決定是否錄用，但只以文章質量為依據。
{3}來稿應是未曾公開發表的原創性稿件。
{4}文章大標題不超過20字，要簡明、具體、可以概括全文，特別有必要的時候可以加副標題。
{5}正文標題層次分級：一般不超過4級。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
