科技通报
科技通報
과기통보
BULLETIN OF SCIENCE AND TECHNOLOGY
2014年
3期
95-99
,共5页
主成分分析法(PCA)%超松弛最小二乘支持向量机(SOR-LS-SVM)%入境游客流量%主要指标
主成分分析法(PCA)%超鬆弛最小二乘支持嚮量機(SOR-LS-SVM)%入境遊客流量%主要指標
주성분분석법(PCA)%초송이최소이승지지향량궤(SOR-LS-SVM)%입경유객류량%주요지표
method of principal component analysis%successive over-relaxation for least squares support vector machine%Tourist Flow of Entering%key indicators
入境旅游客流量预测模型中输入变量的多少在一定程度上制约了模型的模拟速度和预测效果。首先，由主成分分析法对影响入境游客流量的指标进行综合分析从而确定出少数几个主要指标作为预测模型的输入变量，然后建立以主要指标为输入变量以客流量为输出变量的基于超松弛改进的最小二乘支持向量机预测模型。通过实验仿真，结果显示了基于PCA-SOR-LS-SVM的入境游客流量预测模型具有较好的预测精度和较强的推广价值。
入境旅遊客流量預測模型中輸入變量的多少在一定程度上製約瞭模型的模擬速度和預測效果。首先，由主成分分析法對影響入境遊客流量的指標進行綜閤分析從而確定齣少數幾箇主要指標作為預測模型的輸入變量，然後建立以主要指標為輸入變量以客流量為輸齣變量的基于超鬆弛改進的最小二乘支持嚮量機預測模型。通過實驗倣真，結果顯示瞭基于PCA-SOR-LS-SVM的入境遊客流量預測模型具有較好的預測精度和較彊的推廣價值。
입경여유객류량예측모형중수입변량적다소재일정정도상제약료모형적모의속도화예측효과。수선，유주성분분석법대영향입경유객류량적지표진행종합분석종이학정출소수궤개주요지표작위예측모형적수입변량，연후건립이주요지표위수입변량이객류량위수출변량적기우초송이개진적최소이승지지향량궤예측모형。통과실험방진，결과현시료기우PCA-SOR-LS-SVM적입경유객류량예측모형구유교호적예측정도화교강적추엄개치。
In forecast model on tourist flow of entering, the number of input variables to some extent constrains simulation speed and prediction of effects. Firstly, the key indicators are gained through analyzing the impact indicators of tourist flow using principal component analysis. Secondly, it is established the forecast model of Least Squares Support Vector Machine improved by successive over-relaxation based on input variables of key indicators and output variable of tourist flow. Through experimental simulation, the results show that the model of PCA-SOR-LS-SVM on tourist flow of entering has good prediction accuracy and strong promoted value.
