基于季节SVR-PSO的旅游客流量预测模型研究

被引：34

作者：

陈荣 ^{[1
,2
,3
]}

梁昌勇 ^{[1
,3
]}

陆文星 ^{[1
,3
]}

宋国锋 ^{[3
]}

梁焱 ^{[4
]}

机构：

[1] 合肥工业大学管理学院

[2] 蚌埠学院经济与管理系

[3] 过程优化与智能决策教育部重点实验室

[4] 黄山风景区管理委员会

来源：

系统工程理论与实践 | 2014年 / 34卷 / 05期

关键词：

支持向量回归; 季节调整; 粒子群算法; 旅游客流量预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

准确的旅游客流量预测对旅游风景区有着决定性的意义.受多种原因影响,旅游客流量预测不仅呈现复杂非线性特点,而且显示出典型的季节性趋势,尤其在旅游旺季.文章提出一种季节支持向量回归(seasonal support vector regression,SSVR)和粒子群算法(particle swarm optimization,PSO)结合模型,即SSVR-PSO,实现对旅游客流量的预测.来自国内著名5A级风景区黄山2008-2011年最新月客流量数据仿真结果显示,SSVR-PSO模型预测精度明显高于SVRPSO、SVR-GA、BPNN、ARIMA等方法,是进行旅游客流量预测的有效工具.

引用

页码：1290 / 1296

页数：7

共 6 条

[1] 基于支持向量机旅游需求预测 [J].