基于注意力机制的BILSTM-CNN景区客流量预测模型

作者：韩文杰^*; 李勇; 李云鹏

来源：现代电子技术, 2022, 45(19): 105-110.

DOI：10.16652/j.issn.1004-373x.2022.19.020

• 客流量预测
• BILSTM-CNN
• 注意力机制
• 景区客流量
• 深度学习
• 组合模型
• 时间序列

为了实现智慧景区的目标需要对客流量进行准确的预测，针对游客数据存在的时序性和特征影响差异，导致单一模型预测精度较低的问题，提出基于注意力机制的双向长短期记忆（BILSTM）神经网络结合卷积神经网络（CNN）的预测模型。首先，将影响客流量的历史客流数据、网络搜索数据、天气数据进行预处理和特征选择后作为预测因素输入模型；然后，用注意力机制对不同时间点的显著特征加权后，利用BILSTM充分挖掘时间序列的全局特征；最后，由CNN得到细粒度的局部特征，提高模型的预测性能。以九寨沟景区的真实数据为对象进行与基准模型的对比实验和消融实验，实验结果表明：在评估指标上，该模型优于单一预测模型；消融实验的结论证明了该模型每一部分对提高预测结果的有效性。

• 单位
  首都经济贸易大学