基于LS-SVM的甘肃省国际旅游客流量预测

被引：8

作者：

那欣兰

石培基

高栓成

机构：

[1] 西北师范大学地理与环境科学学院

来源：

统计与决策 | 2010年 / 18期

关键词：

最小二乘支持向量机; 旅游客流量; 预测;

D O I：

10.13546/j.cnki.tjyjc.2010.18.040

中图分类号：

F592.7 [地方旅游事业]; F224 [经济数学方法];

学科分类号：

020202 ; 0701 ; 070104 ;

摘要：

旅游客流量是决定旅游业经济效益持续发展的重要因素,游客流量预测也因此成为旅游发展规划的重要内容。文章基于最小二乘支持向量机(LS-SVM)算法,建立了一种新的旅游人数预测模型,对甘肃省2007年的国际旅游客流量进行预测,并将其结果与神经网络模型预测结果相比较。结果表明,基于LS-SVM的游客预测模型能较准确对旅游人数进行预测,并且避免了如神经网络由于陷入局部最优而过学习的问题,从而为客流量预测提供一种新思路与方法。

引用

页码：94 / 95

页数：2

共 5 条

[1]

Weighted least squares support vector machines: robustness and sparse approximation[J] . J.A.K. Suykens,J. De Brabanter,L. Lukas,J. Vandewalle.Neurocomputing . 2002 (1)

[2] Bounds on error expectation for support vector machines [J].

Vapnik, V ;

Chapelle, O .

NEURAL COMPUTATION, 2000, 12 (09) :2013-2036

[3] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[4] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[5]

Universal learning technology: Support vector machines. Vapnik V N. NEC Journal of Advanced Tech- nology . 2005

← 1 →