季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例

• 作者: 李凌雁 李慧盈 翁钢民
• 来源期刊: 数学的实践与认识
• 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
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 管理科学
• 页码范围: 6-13
• 语种: 中文

摘要

准确的旅游客流量预测对旅游目的地做好事前准备工作至关重要.然而旅游客流量具有明显的非线性和季节性特征,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.提出了一种考虑季节影响并通过PSO优化SVR模型的旅游客流量预测模型,并以海南省三亚市为例进行了实证研究.研究结果表明,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,是进行旅游客流量预测的有效工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翁钢民	燕山大学经济管理学院	119	1746	23.0	38.0
2	李凌雁	燕山大学经济管理学院	18	269	7.0	16.0
3	李慧盈	燕山大学经济管理学院	6	51	4.0	6.0