旅游学刊
旅遊學刊
여유학간
TOURISM TRIBUNE
2013年
4期
75-82
,共8页
余向洋%胡善风%朱国兴%李德明
餘嚮洋%鬍善風%硃國興%李德明
여향양%호선풍%주국흥%리덕명
景区客流%最小二乘支持向量机%中期预测%黄山风景区
景區客流%最小二乘支持嚮量機%中期預測%黃山風景區
경구객류%최소이승지지향량궤%중기예측%황산풍경구
受到季节性、外部冲击和经济周期等因素作用的景区客流波动幅度大,其预测一直是旅游学研究中的难题,尤其是中长期预测.文章采用当前使用极为广泛的最小二乘支持向量机方法(least squares support vector machines,LS-SVM)对黄山风景区客流月度数据(1987年1月～2010年12月)进行了2年时间尺度的预测,结果表明:采用LS-SVM方法进行景区客流中期预测,其预测的各项性能指标均明显优于BP神经网络(Back Propagation Neural Network)、X-12-ARIMA(Autoregressive Integrated Moving Average Model)、经验模态分解(empirical mode decomposition,EMD)与LS-SVM组合预测方法,即EMD-LSSVM方法,预测效果理想,并且具有训练时间短、精度高等优点.其较为准确的预报能力能够为景区规划管理和战略决策提供科学依据,具有较高的实用价值.
受到季節性、外部遲擊和經濟週期等因素作用的景區客流波動幅度大,其預測一直是旅遊學研究中的難題,尤其是中長期預測.文章採用噹前使用極為廣汎的最小二乘支持嚮量機方法(least squares support vector machines,LS-SVM)對黃山風景區客流月度數據(1987年1月～2010年12月)進行瞭2年時間呎度的預測,結果錶明:採用LS-SVM方法進行景區客流中期預測,其預測的各項性能指標均明顯優于BP神經網絡(Back Propagation Neural Network)、X-12-ARIMA(Autoregressive Integrated Moving Average Model)、經驗模態分解(empirical mode decomposition,EMD)與LS-SVM組閤預測方法,即EMD-LSSVM方法,預測效果理想,併且具有訓練時間短、精度高等優點.其較為準確的預報能力能夠為景區規劃管理和戰略決策提供科學依據,具有較高的實用價值.
수도계절성、외부충격화경제주기등인소작용적경구객류파동폭도대,기예측일직시여유학연구중적난제,우기시중장기예측.문장채용당전사용겁위엄범적최소이승지지향량궤방법(least squares support vector machines,LS-SVM)대황산풍경구객류월도수거(1987년1월～2010년12월)진행료2년시간척도적예측,결과표명:채용LS-SVM방법진행경구객류중기예측,기예측적각항성능지표균명현우우BP신경망락(Back Propagation Neural Network)、X-12-ARIMA(Autoregressive Integrated Moving Average Model)、경험모태분해(empirical mode decomposition,EMD)여LS-SVM조합예측방법,즉EMD-LSSVM방법,예측효과이상,병차구유훈련시간단、정도고등우점.기교위준학적예보능력능구위경구규화관리화전략결책제공과학의거,구유교고적실용개치.
