天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 管理論文 > 旅游管理論文 >

基于改進PSO-BP神經(jīng)網(wǎng)絡(luò)的旅游客流量預(yù)測方法

發(fā)布時間:2020-10-23 02:12
   提高旅游風(fēng)景區(qū)日客流量的預(yù)測精度,對旅游風(fēng)景區(qū)的日常運營管理和旅游資源的保護有重要意義.PSO-BP被廣泛應(yīng)用于預(yù)測中,針對PSO算法的慣性權(quán)重采取線性動態(tài)變化時無法滿足粒子多樣性和易陷入局部極值等缺陷,文章提出一種利用改進后的PSO-BP方法,利用粒子適應(yīng)度值對慣性權(quán)重進行動態(tài)非線性變化,同時結(jié)合粒子迭代周期增加位置擾動,對粒子群算法進行改進.將改進后的PAPSO算法(particle swarm optimization algorithm with position disturbance and adaptive inertia weight,PAPSO)對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化,建立黃山風(fēng)景區(qū)日客流量的Matlab預(yù)測模型,對黃山旅游客流量數(shù)據(jù)進行實驗,結(jié)果表明文章提出的基于PAPSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型有效地提升了預(yù)測精度.
【部分圖文】:

過程圖,函數(shù),過程,神經(jīng)網(wǎng)絡(luò)


陸文星等:碁乎改迸PSO-BP神餐兩絡(luò)的旅游客流最爾測方瀆??1413??8期??迭代次數(shù)??圖2?A函數(shù)尋優(yōu)比較過程??(Figure?2?Function?optimization?process?/i)??圖3?/2函數(shù)尋優(yōu)比較過程??(Figure?3?Function?optimization?process?/2)??迭代次數(shù)??圖4?/3函數(shù)尋優(yōu)比較過程??(Figure?4?Function?optimization?process?/s)??3.4基于改進PSO優(yōu)化BP預(yù)測方法??基于對數(shù)函數(shù)的位置擾動和ft適應(yīng)慣性權(quán)重的改進PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的主要思想??備:將改進后的PSO奠法所得到的最優(yōu)解作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值.具體的預(yù)測??方法:實現(xiàn)過裎如T??步驟1構(gòu)建BP神經(jīng)網(wǎng)絡(luò).根據(jù)輸入和輸出.參數(shù)的個數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)的輸入輸出層.??

過程圖,函數(shù),過程,神經(jīng)網(wǎng)絡(luò)


陸文星等:碁乎改迸PSO-BP神餐兩絡(luò)的旅游客流最爾測方瀆??1413??8期??迭代次數(shù)??圖2?A函數(shù)尋優(yōu)比較過程??(Figure?2?Function?optimization?process?/i)??圖3?/2函數(shù)尋優(yōu)比較過程??(Figure?3?Function?optimization?process?/2)??迭代次數(shù)??圖4?/3函數(shù)尋優(yōu)比較過程??(Figure?4?Function?optimization?process?/s)??3.4基于改進PSO優(yōu)化BP預(yù)測方法??基于對數(shù)函數(shù)的位置擾動和ft適應(yīng)慣性權(quán)重的改進PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的主要思想??備:將改進后的PSO奠法所得到的最優(yōu)解作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值.具體的預(yù)測??方法:實現(xiàn)過裎如T??步驟1構(gòu)建BP神經(jīng)網(wǎng)絡(luò).根據(jù)輸入和輸出.參數(shù)的個數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)的輸入輸出層.??

神經(jīng)網(wǎng)


1410??系統(tǒng)科學(xué)與數(shù)學(xué)??40卷??輸入層?隱含層?輸出層??圖1?@1*_神經(jīng)網(wǎng)備雜構(gòu)雨??(Figure?1?Structure?disgrain?of?BP?ttenral?network)??2.2粒子群算法??粒子群算法,又稱為鳥群覓食算法,其主要思想是通過模擬鳥群覓食行為尋求最優(yōu)解.??PSO算法的運行過程如下:在一個D維的搜索空間中,由m個隨機初始化的粒子組成的粒??子群,根據(jù)當(dāng)前的種群粒子的個體極值巧和群體極值&???,通過反復(fù)迭代來改變粒子??的位M?(〇4,,喊,…和速度…,以獲得種群的最優(yōu)解.在每一次的迭代過??程中,粒子j的速度和位置的更新公式如下式(2.1)、式(2.2)??-?%a^+?cgrand^^?-?(2.34??其中,4是粒子經(jīng)過第A:次迭代時在第d維空間的速度,a4則是相對應(yīng)硌的粒子的位??氳w是慣性權(quán)重,是加速系數(shù),rand()是屬于[0,1]之間變化的隨機數(shù),只:響是第,個??粒子在當(dāng)前迭代的歷史最優(yōu)位.置則是在第A:次迭代的種群歷史最優(yōu)位.ft.??3改進的PSO-BP方法??3.1改進的思想??巾千原始的:BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值是采用隨機賦值的方法7會導(dǎo)致算法收斂速度慢i??易陷入局部極值.為了克服這一缺陷,本文先對粒子群的慣性權(quán)重和位置更新機制進行改??進,將改進后的粒子群算法所得到的最優(yōu)解作為:BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,然后將粒子群優(yōu)??化后的BP神經(jīng)網(wǎng)絡(luò)作為H客流最的預(yù)測模型.??3.2改進的粒子群算法??1〕白適應(yīng)慣性權(quán)重??PSO算法性能的好壞與參數(shù)的設(shè)、置有著極為重要的關(guān)聯(lián),主要的參數(shù)包括慣性權(quán)重tt,、??兩個加速常數(shù)等其中慣性權(quán)重對于算法全局
【相似文獻】

相關(guān)期刊論文 前10條

1 桑曉丹;;PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測中的應(yīng)用[J];廣東蠶業(yè);2017年06期

2 龔雪飛;徐景;孫壽通;劉萍;簡家文;;PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測中的應(yīng)用[J];傳感器與微系統(tǒng);2015年02期

3 王玉冬;朱紅;;高新技術(shù)企業(yè)資金控制效果評價——基于PSO-BP神經(jīng)網(wǎng)絡(luò)[J];財會通訊;2017年08期

4 呂磊;王紅蕾;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的儲能裝置實時容量識別與實現(xiàn)[J];現(xiàn)代電子技術(shù);2020年12期

5 鄭建國;馮珍慧;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)風(fēng)險預(yù)測研究[J];信息技術(shù)與信息化;2016年08期

6 王志紅;賀星馳;吳鵬輝;袁雨;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的摩托車排放預(yù)測[J];數(shù)字制造科學(xué);2018年04期

7 劉冠宇;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的外貿(mào)發(fā)展?fàn)顩r的評價[J];經(jīng)濟數(shù)學(xué);2011年04期

8 行鴻彥;鄒水平;徐偉;張強;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補償[J];傳感技術(shù)學(xué)報;2015年06期

9 苗旭東;魏連鑫;;基于小波和PSO-BP神經(jīng)網(wǎng)絡(luò)的金融時序預(yù)測[J];信息技術(shù);2018年05期

10 翟帥華;姜雲(yún)騰;李萍;;基于改進PSO-BP神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測[J];工業(yè)控制計算機;2018年09期


相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 肖理業(yè);基于機器學(xué)習(xí)的電磁場建模與設(shè)計研究[D];電子科技大學(xué);2019年

3 梁智杰;聾啞人手語識別關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2019年

4 趙博雅;基于卷積神經(jīng)網(wǎng)絡(luò)的硬件加速器設(shè)計及實現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2018年

5 饒紅霞;信息受限下神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計和擬同步研究[D];廣東工業(yè)大學(xué);2019年

6 張馬路;Spiking機器學(xué)習(xí)算法研究[D];電子科技大學(xué);2019年

7 付錢華;憶阻神經(jīng)網(wǎng)絡(luò)的動力學(xué)研究[D];電子科技大學(xué);2019年

8 毛瑞琛;深度神經(jīng)網(wǎng)絡(luò)下的規(guī)范化地址建設(shè)與語義空間模型研究[D];浙江大學(xué);2019年

9 楊旭輝;基于神經(jīng)網(wǎng)絡(luò)的C-ADS InjectorⅡ束流偏移校準(zhǔn)技術(shù)研究[D];蘭州大學(xué);2019年

10 樊英杰;時滯憶阻神經(jīng)網(wǎng)絡(luò)的鎮(zhèn)定及同步控制研究[D];山東科技大學(xué);2019年


相關(guān)碩士學(xué)位論文 前10條

1 封鵬;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測算法的研究與應(yīng)用[D];東北大學(xué);2015年

2 崔佳珊;改進PSO-BP網(wǎng)絡(luò)在工業(yè)設(shè)計中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

3 余鉅東;正則化方法解決神經(jīng)網(wǎng)絡(luò)稀疏化問題[D];大連理工大學(xué);2015年

4 裴子龍;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉性別識別研究[D];山西師范大學(xué);2017年

5 周書清;基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識與控制[D];華北電力大學(xué)(北京);2017年

6 高傳俊;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的Lucene搜索引擎的研究[D];中國石油大學(xué)(華東);2013年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 吳昌友;神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2007年

9 閆明;基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)[D];中國海洋大學(xué);2008年

10 孫武彪;基于BP神經(jīng)網(wǎng)絡(luò)的滬深300指數(shù)預(yù)測分析[D];中南財經(jīng)政法大學(xué);2019年



本文編號:2852411

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/guanlilunwen/lvyoujiudianguanlilunwen/2852411.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶7abb4***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com