基于支持向量机旅游需求预测

被引：28

作者：

李志龙 ^{[1
]}

陈志钢 ^{[2
]}

覃智勇 ^{[1
]}

机构：

[1] 湖南商学院旅游管理系

[2] 中山大学旅游学院

来源：

经济地理 | 2010年 / 30卷 / 12期

关键词：

支持向量机; 旅游需求预测; 神经网络模型(BPNN);

D O I：

10.15957/j.cnki.jjdl.2010.12.029

中图分类号：

F592 [中国旅游事业]; F224 [经济数学方法];

学科分类号：

120203 ; 0701 ; 070104 ;

摘要：

针对旅游预测中常存在旅游因子难以确定、样本容量小等特点,探讨了一种新的预测方法——支持向量机回归算法(SVR)在旅游需求时间序列预测中的应用。以2004年1月至2007年4月的中国入境旅游人数月度数据为样本,建立了入境旅游需求预测的SVR模型。通过对模型的检验并与神经网络模型(BPNN)的比较,其结果表明SVR模型更优于BPNN模型。

引用

页码：2122 / 2126

页数：5

共 7 条

[1] 支持向量机的时间序列回归与预测 [J].