基于季节SVR-PSO的旅游客流量预测模型研究

作者：陈荣; 梁昌勇; 陆文星; 宋**; 梁焱

来源：系统工程理论与实践, 2014, 34(05): 1290-1296.

• 支持向量回归
• 季节调整
• 粒子群算法
• 旅游客流量预测

准确的旅游客流量预测对旅游风景区有着决定性的意义.受多种原因影响,旅游客流量预测不仅呈现复杂非线性特点,而且显示出典型的季节性趋势,尤其在旅游旺季.文章提出一种季节支持向量回归(seasonal support vector regression,SSVR)和粒子群算法(particle swarm optimization,PSO)结合模型,即SSVR-PSO,实现对旅游客流量的预测.来自国内著名5A级风景区黄山2008-2011年最新月客流量数据仿真结果显示,SSVR-PSO模型预测精度明显高于SVRPSO、SVR-GA、BPNN、ARIMA等方法,是进行旅游客流量预测的有效工具.

• 单位
  蚌埠学院; 黄山风景区管理委员会; 合肥工业大学