隨著我國旅游業(yè)的迅速發(fā)展,旅游大數(shù)據(jù)分析備受人們關(guān)注。旅游大數(shù)據(jù)通常存在來源廣、數(shù)據(jù)不完整、時(shí)間不穩(wěn)定等問題,使數(shù)據(jù)分析有很大難度。酒店業(yè)是旅游業(yè)的一個(gè)重要組成部分,酒店入住率是衡量一個(gè)酒店運(yùn)營情況的重要因素之一,運(yùn)用機(jī)器學(xué)習(xí)方法對酒店入住率進(jìn)行預(yù)測分析具有重要意義。首先,對旅游數(shù)據(jù)描述和預(yù)處理。分析旅游數(shù)據(jù)并給出數(shù)據(jù)來源和描述,闡述旅游數(shù)據(jù)的特點(diǎn)和規(guī)律,從時(shí)間維度和酒店維度將數(shù)據(jù)分類,初步選取可用數(shù)據(jù)。對此數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)變換、數(shù)據(jù)歸一化,并設(shè)計(jì)數(shù)據(jù)集融合算法融合數(shù)據(jù)集,以獲得最優(yōu)數(shù)據(jù)集。然后,提出基于旅游數(shù)據(jù)的酒店入住率雙層預(yù)測分析模型。分別在時(shí)間維度、時(shí)間-酒店維度建模,第一層模型是基于時(shí)間的回歸預(yù)測模型（以下簡稱“第一層模型”）,是運(yùn)用多項(xiàng)式回歸方法分別對車流量、天氣情況、風(fēng)力、最高氣溫、最低氣溫、空氣質(zhì)量進(jìn)行回歸分析,得出其預(yù)測值,作為第二層模型的輸入。第二層模型是基于時(shí)間和空間的酒店入住率雙層預(yù)測分析模型（以下簡稱“第二層模型”）,將第一層模型的預(yù)測值與固有數(shù)據(jù)集整合,對整合數(shù)據(jù)分別基于BP神經(jīng)網(wǎng)絡(luò)、KNN、隨機(jī)森林算法建立酒店入住率BP神經(jīng)網(wǎng)絡(luò)分類模型、酒店入住率K... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)理論與技術(shù)知識
    2.1 回歸算法介紹
        2.1.1 線性回歸算法及相關(guān)概念
        2.1.2 非線性回歸算法及相關(guān)概念
    2.2 分類算法介紹
        2.2.1 knn(k近鄰)算法及相關(guān)概念
        2.2.2 隨機(jī)森林算法及相關(guān)概念
        2.2.3 bp神經(jīng)網(wǎng)絡(luò)算法及相關(guān)概念
    2.3 本章小結(jié)
第3章 旅游數(shù)據(jù)描述及預(yù)處理
    3.1 旅游數(shù)據(jù)分析
        3.1.1 旅游數(shù)據(jù)來源及描述
        3.1.2 旅游數(shù)據(jù)特點(diǎn)
        3.1.3 旅游數(shù)據(jù)統(tǒng)計(jì)規(guī)律
    3.2 旅游數(shù)據(jù)預(yù)處理
        3.2.1 旅游數(shù)據(jù)清洗
        3.2.2 旅游數(shù)據(jù)變換
        3.2.3 旅游數(shù)據(jù)歸一化
        3.2.4 旅游數(shù)據(jù)集融合算法及過程
    3.3 本章小結(jié)
第4章 基于旅游數(shù)據(jù)的酒店入住率雙層分析模型
    4.1 旅客選擇酒店行為模式
    4.2 雙層預(yù)測分析模型
    4.3 基于時(shí)間的酒店領(lǐng)域回歸預(yù)測模型
        4.3.1 酒店領(lǐng)域數(shù)據(jù)回歸算法介紹
        4.3.2 基于時(shí)間的酒店領(lǐng)域回歸模型參數(shù)設(shè)置
    4.4 基于時(shí)間和空間的酒店入住率分類預(yù)測模型
        4.4.1 酒店入住率類別設(shè)置算法
        4.4.2 酒店與周圍設(shè)施距離計(jì)算過程
        4.4.3 酒店入住率knn分類預(yù)測模型
        4.4.4 酒店入住率bp分類預(yù)測模型
        4.4.5 酒店入住率隨機(jī)森林分類預(yù)測模型
    4.5 本章小結(jié)
第5章 實(shí)驗(yàn)與評估
    5.1 實(shí)驗(yàn)環(huán)境的搭建與部署
    5.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)集
        5.2.2 實(shí)驗(yàn)度量標(biāo)準(zhǔn)
        5.2.3 時(shí)間模型實(shí)驗(yàn)結(jié)果分析
        5.2.4 整合回歸模型預(yù)測值
        5.2.5 時(shí)間和空間模型實(shí)驗(yàn)結(jié)果分析
    5.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]可擴(kuò)展機(jī)器學(xué)習(xí)的并行與分布式優(yōu)化算法綜述[J]. 亢良伊,王建飛,劉杰,葉丹.  軟件學(xué)報(bào). 2018(01)
[2]具有超父結(jié)點(diǎn)時(shí)間序列貝葉斯網(wǎng)絡(luò)集成回歸模型[J]. 王雙成,高瑞,杜瑞杰.  計(jì)算機(jī)學(xué)報(bào). 2017(12)
[3]全域旅游背景下大數(shù)據(jù)在酒店行業(yè)中的運(yùn)用研究[J]. 龔花,陳名輝.  經(jīng)貿(mào)實(shí)踐. 2017(07)
[4]GeoPMF:距離敏感的旅游推薦模型[J]. 張偉,韓林玉,張佃磊,任鵬杰,馬軍,陳竹敏.  計(jì)算機(jī)研究與發(fā)展. 2017(02)
[5]大數(shù)據(jù)下的快速KNN分類算法[J]. 蘇毅娟,鄧振云,程德波,宗鳴.  計(jì)算機(jī)應(yīng)用研究. 2016(04)
[6]基于MapReduce快速kNN Join方法[J]. 戴健,丁治明.  計(jì)算機(jī)學(xué)報(bào). 2015(01)
[7]改進(jìn)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的旅游景區(qū)日客流量預(yù)測[J]. 宋國峰,梁昌勇,梁焱,趙樹平.  小型微型計(jì)算機(jī)系統(tǒng). 2014(09)
[8]大數(shù)據(jù)研究綜述[J]. 涂新莉,劉波,林偉偉.  計(jì)算機(jī)應(yīng)用研究. 2014(06)
[9]供需不平衡背景下酒店入住率的預(yù)測模型——以海南為例[J]. 劉紅.  旅游研究. 2013(03)
[10]大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J]. 孟小峰,慈祥.  計(jì)算機(jī)研究與發(fā)展. 2013(01)

碩士論文
[1]上海市精品酒店微觀選址影響因素研究[D]. 查根鳳.上海師范大學(xué) 2017
[2]基于KNN算法的空間手勢識別研究與應(yīng)用[D]. 張碩.吉林大學(xué) 2017
[3]水質(zhì)數(shù)據(jù)的回歸分析算法研究與應(yīng)用[D]. 汪旭.重慶郵電大學(xué) 2016
[4]基于層次分析法的經(jīng)濟(jì)型酒店選址研究[D]. 范琰琰.浙江工商大學(xué) 2015



本文編號：3179630