粒子群算法优化神经网络的旅游热门景点预测模型

• 作者: 段立峰
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 旅游管理系统 热门景点 神经网络 非线性变化特点 预测模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 技术交流
• 页码范围: 154-156
• 页数: 3页
• 分类号: TM301
• 字数: 2363字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2020.03.045

摘要

旅游热门景点预测是当前旅游管理研究领域中的热点,针对传统旅游热门景点预测模型无法准确描述旅游热门景点的变化特点缺陷,为了提高旅游热门景点预测精度,提出基于粒子群算法优化神经网络的旅游热门景点预测模型.首先分析当前国内外对旅游热门景点预测问题研究方法,得到旅游热门景点具有较大非线性变化特点,这也是导致当前旅游热门景点预测错误大原因,然后引入非线性建模能力强的RBF神经网络描述旅游热门景点的非线性变化特点,并对RBF神经网络参数进行优化,建立最优的旅游热门景点预测模型,最后与传统旅游热门景点预测模型进行了对比测试,结果表明,粒子群算法优化神经网络可以更好的跟踪旅游热门景点变化规律,旅游热门景点预测精度要明显优于传统旅游热门景点.预测模型,而且旅游热门景点预测效率也更高,能够满足旅游热门景点在线预测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段立峰	陕西工业职业技术学院商贸与流通学院	17	30	3.0	5.0