基于APSO—SVR的山岳风景区短期客流量预测,本论文主要论述了客流量论文范文相关的参考文献,对您的论文写作有参考作用。
客流量论文参考文献：
摘 要：根据山岳风景区短期客流量小样本、非线性等特征,本文提出基于自适应粒子群算法（Adaptive Particle Swarm Optimization,APSO）的支持向量回归（Support Vector Regression,SVR）模型,融合SVR处理小样本、非线性预测特性和APSO优化SVR参数的能力对山岳风景区短期客流量进行预测.来自山岳风景区黄山2008年～2011年暑期相关日数据的验证结果表明：与PSO-SVR、GA-SVR和BPNN等模型相比,APSO-SVR模型的预测准确性更高、误差更小,是进行山岳风景区短期客流量预测的有效工具.
关键词：短期客流量； 山岳风景区； 支持向量回归； 自适应粒子群算法； 预测模型
山岳风景区是以山地为主要风景资源和构景要素的具有美感的地域综合体（周维权,2006）.一些山岳风景区由于其独特的地形地貌、植被景观、人文景观成为热点旅游目的地,客流量经常处于超饱和状态,尤其在旅游旺季.这对景区接待容纳能力提出了严峻考验.准确地预测短期客流量,可以使景区管理部门提前规划、科学决策.然而,由于受到各种因素如历史客流量、天气等影响,短期客流量往往呈现复杂的非线性特征,同时由于国内大部分景区信息化起步较晚,有记录的客流量数据较少（小样本）,造成客流量预测值和真实值之间存在较大偏差,这给景区的资源调度等工作带来一定的难度.因此建立一个科学准确的、能反映与历史客流量、天气等要素有定量关系的短期客流量预测模型,对山岳风景区乃至整个旅游行业意义重大.
早期的旅游客流量预测方法起源于上世纪30年代,以传统时间序列预测方法为主,如指数平滑模型（Exponential Smoothing,ES）（Christiaanse,1971）、自回归滑动平均模型（Autoregressive Moving Average,ARMA）、自回归求和滑动平均模型（Autoregressive Integrated Moving Average,ARIMA）等（Box,Piercd,1970；Box,Jenkins,1976）.传统时间序列预测方法重在时间趋势的外推,对具有线性特征的旅游客流量有很好的预测效果,但往往难以实现复杂的非线性旅游客流量预测.人工神经网络（Artificial Neural Network,ANN）作为一种新的智能算法,具有良好的非线性数据的处理能力（Rob,2000）,为非线性旅游客流量预测提供了一种选择,但由于受“收敛速度慢、难以确定网络结构、局部最优”等缺点的制约（牛东晓,邢棉,1999）,也难以达到所需预测效果.上世纪90年代中期,Vapnik等（2009）提出了支持向量回归（Support Vector Regression,SVR）（Vapnik,2009）.该方法在解决小样本、非线性旅游客流量预测方面表现出许多特有的优势,逐渐成为学者们预测旅游客流量的一种重要工具.Hong（2006）使用SVR预测巴巴多斯岛（Barbados）的旅游客流量,对比方法为ARIMA、ANN；Chen和Wang（2007）使用SVR预测2000年～2001年中国入境游客流量,并与ARIMA、反向传播神经网络（Back-Propagation Neural Networks,BPNN）进行对比；Cai等（2009）将SVR与BPNN对比预测陕西省客流量；Chen（2011）在预测台湾的出游人数时,将SVR与ES、ARIMA和BPNN进行比较.上述文献最终预测结果均显示：SVR预测效果优于ES、ARIMA等传统时间序列预测方法和BPNN等ANN算法,原因在于它克服了传统时间序列预测方法和ANN的上述缺点.
SVR良好的预测效果依赖于自由参数的正确选择.因此,根据实际的数据模型选择恰当的自由参数成为关键问题.自适应粒子群算法（Adaptive Particle Swarm Optimization,APSO）（Kennedy,Eberhart,1995）是在粒子群算法的基础发展起来的一种进化算法,它通过惯性权重的自动更新,克服了PSO的早熟、振荡现象.目前APSO已经被广泛应用于非线性及复杂优化问题的参数寻优等领域.
基于上述分析,本文提出APSO-SVR短期客流量预测模型,并将这种模型与山岳风景区短期客流量的特点相结合,做到到一种短期客流量的智能预测方法.最后以黄山风景区为例,通过对其每日客流量影响因素的分析,建立了一个与历史客流量、电子商务网上订票客流量、人体舒适度等影响因素有定量关系的APSO-SVR短期客流量预测模型.该模型相对于目前国内大部分旅游景区以感性管理经验为主的预测方式,及目前文献以月数据（Kulendran,Shan,2002）、季数据（Lim,McAleer,2002）和年数据（Papatheodorou,Song,2005）为主体中长期客流量预测来说,是一个突破.
1 APSO-SVR方法
1.1 SVR原理
SVR通过非线性变换将输入向量变换到一个高维的特征空间,然后在这个特征空间中求取最优线性分类面,使分类边界即分类平面与最近点（支持向量）之间的距离最大；并且这种非线性变换是通过定义合适的核函数来实现,然后将SVR问题转化为一个二次规划问题,从而求解（刘涵,等,2005）.
2 应用实例分析
2.1 数据来源及内容
如无特别说明,本文有关黄山风景区的统计数据均来自黄山风景区管理委员会信息中心.
作为我国著名的5山岳风景区,黄山以“奇松、怪石、云海、温泉”著称于世.每年的暑期（7月、8月）为黄山景区的旅游旺季.2008年～2011年,黄山风景区暑期客流总量占全年客流总量的百分比分别为24.62%、25.29%、24.76%和25.70%.客流量多而集中,持续时间长,给景区的资源和调度等工作造成很大的压力,因此本文选取黄山风景区2008年～2011年暑期每日数据作为APSO-SVR模型的研究对象,具有一定的代表性.数据包括：每日客流量、昨日客流量、每日上午8点前客流量、每日
结论：适合客流量论文写作的大学硕士及相关本科毕业论文，相关客流量开题报告范文和学术职称论文参考文献下载。
短期负荷预测在电力系统规划中应用
摘 要：随着经济的快速发展与和谐社会的构建，人们的生活水平越来越高，人们对电力资源的需求量也越来越高，我国电力企业得到了飞速的发展，其电力系统的。
短期和长期对析新劳动合同法实施对劳动者和企业影响
新劳动合同法 短期 长期 劳动者研究背景新劳动合同法是在我国经过改革开放三十年，市场经济逐步成熟，经济快速发展的时候实施的。显然，它将对于我。
供给侧改革短期冲击和问题
供給侧改革 短期冲击 解决措施经济新常态背景下，对产业进行结构性的调整是必不可少的，中国经济能否转型成功，是考验供给侧改革效果的重要标尺，我国。
实证财务供应链管理对企业短期财务绩效作用
針对企业财务短期绩效管理中存在的问题进行分析，突出表现在财务信息无法得到实时传输，财务信息技术基础较为薄弱以及财务绩效管理人才比较匮乏等方面，指。