科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对热门景区对人流密度精确化预测的需求,文中对人流密度问题进行了数学建模。将其转化为时间序列处理与预测问题,引入了经典的自回归移动平均模型(ARIMA)和灰度理论模型(GM)进行人流序列的建模。考虑到GM和ARIMA算法对于不同时间粒度的时间序列处理能力的差异,对这两种方法进行了集成,使用径向基函数网络对预测结果的残差进行修正。该网络借助RBF进行信息处理,对于非连续的非线性变化具有更优的逼近效果,显著提升了算法的预测精度。以某景区为例,设计了数据采集标准并在采集的现场数据上进行模型仿真,实验同时使用单模型的GM、ARIMA、GM-ARIMA进行对比分析。结果表明,该算法在MAE、MAPE、MSE指标上分别达到了0.71、1.14和0.45,与比对算法相比均有明显的提升。
- 单位
