基于季节SVR—PSo的旅游客流量预测模型研究.pdfVIP

第 34卷第 5期 系统工程理论与实践 Vo1．34．NO．5 2014年 5月 SystemsEngineering Theory＆ Practice M ay．2014 文章编号：1000—6788(2014)05—1290—07 中图分类号：TP181 文献标志码：A 基于季节 SVR—PSo 的旅游客流量预测模型研究 陈 荣 I2．s，梁昌勇 ，u，陆文星 ，v，宋国锋s，梁 焱 (1．合肥工业大学管理学院，合肥 230009；2．蚌埠学院经济与管理系，蚌埠 233000；3．过程优化与智能决策教育部重点实 验室，合肥 230009；4．黄山风景区管理委员会，黄山242700) 摘 要 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 (seasonalsupportvectorregression，SSVR)和粒子群算法 (particleswarmopti． mization，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年必威体育精装版月客流量数据仿真结果显示，SSVR-PSO模型预测精度明显高于SVR- PSO、SVR-GA、BPNN、ARIMA等方法，是进行旅游客流量预测的有效工具． 关键词 支持向量回归；季节调整；粒子群算法；旅游客流量预测 Forecasting tourism flow based on seasonalPSO-SVR model CHEN Rong，。，u LIANG Chang—yong-v，LU W_en—xing ，u，SONG Guofeng。，LIANG Yan4 ， (1．SchoolofManagement，HefeiUniversityofTechnology，Hefei230009，China；2．DepartmentofEconomicand M anagement，Bengbu College，Bengbu233000，China；3．TheMOE Key LaboratoryofProcessOptimization and Intelligent Decision—making，Hefei230009，China；4．MountHuangshanScenicSpotInformationCenter，Huangshan242700，China) Abstract Accuratetourism flow forecastinghasalwaysbeen the mostimportantissuesin thescenic spots．Duetovariousinfluences，tourism flow forecasting revealsnotonly arathercomplex nonlinear characteristicsbutalsoseasonaltrend，particularlyduringtourism peak periods，Thisarticlepresentsa tourism flow forecastingmodelthatcombinestheseasonalsupportvectorregression modelwith particle swarm optimizationalgorithm (SSVR-PSO)，toforecasttourism flow．Finally，thenewmonthlydatasets from afamous5A scenicspotMountHuangshanduring2008—2011aresimulated repeatedly．Empirical resultsdemonstratethataSSVR—PS0 approachisaneffectivewaytoforecasttourism flow．outperforming S