利用皮爾森相關(guān)系數(shù)法處理網(wǎng)絡(luò)搜索數(shù)據(jù),用灰狼算法（grey wolf optimizer, GWO）優(yōu)化支持向量回歸（support vector regression, SVR）中的參數(shù),提出并實(shí)現(xiàn)一種基于網(wǎng)絡(luò)搜索數(shù)據(jù)和GWO-SVR模型的旅游短期客流量預(yù)測(cè)模型,并用參數(shù)優(yōu)化后的SVR對(duì)客流量進(jìn)行建模預(yù)測(cè).以四川省九寨溝和四姑娘山兩個(gè)景區(qū)為例,構(gòu)建GWO-SVR、 ARIMA、 BPNN、 SVR、 CS-SVR、 PSO-SVR和無(wú)網(wǎng)絡(luò)搜索數(shù)據(jù)等客流量預(yù)測(cè)模型進(jìn)行實(shí)證分析.結(jié)果表明, GWO-SVR模型均優(yōu)于其他模型,具有更高的預(yù)測(cè)精度. 

【文章來(lái)源】：福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,47(05)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1方法研究
    1.1 支持向量回歸基本原理
    1.2 灰狼算法基本原理
    1.3 基于灰狼算法的支持向量回歸參數(shù)優(yōu)化
2 實(shí)證分析
    2.1 數(shù)據(jù)來(lái)源
    2.2 搜索關(guān)鍵詞的選擇
    2.3 GWO-SVR模型的建立
    2.4 結(jié)果分析
    2.5 GWO-SVR模型的穩(wěn)定性驗(yàn)證
3 結(jié)語(yǔ)



本文編號(hào)：3465360