旅游客流量预测：基于季节调整的PSO-SVR模型研究

• 来源期刊: 计算机应用研究
• 关键词: 旅游客流量预测 粒子群算法 支持向量回归机 季节调整 均方差比较
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 692-695
• 页数: 4页
• 分类号: F590.3|TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.03.012

摘要

旅游客流量具有明显的非线性和季节性特征，所以采取季节调整方法对样本数据进行预处理，消除季节性的影响，可以提高客流量预测的准确性。同时SVR（支持向量回归机）是一种良好的机器学习方法，非常适合预测研究，辅以PSO（粒子群算法）选取合适的回归参数可以获得更加精确的预测结果。鉴于此，构建一种考虑季节影响的PSO-SVR模型，以北京为例将不同旅游客流量预测方法的拟合优度进行比较。结果显示：季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型，该模型是进行旅游客流量预测的有效工具