陆文星^1,2，戴一茹^1,2, 李楚^1,2，李克卿^1,2

1. 合肥工业大学管理学院, 合肥 230009; 2. 智能决策与信息系统技术教育部工程研究中心, 合肥 230009

出版日期:2020-08-25发布日期:2020-09-24

Tourist Traffic Flow Forecasting Method Based on Improved PSO-BP Neural Network

LU Wenxing ^1,2 ,DAI Yiru ^1,2 ,LI Chu ^1,2, LI Keqing ^1,2

1. School of Management, Hefei University of Technology, Hefei 230009; 2. Ministry of Education Engineering Research Center for Intelligent Decision-Making & Information Systems Technologies, Hefei 230009

Online:2020-08-25Published:2020-09-24







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

提高旅游风景区日客流量的预测精度,对旅游风景区的日常运营管理和 旅游资源的保护有重要意义. PSO-BP被广泛应用于预测中,针对PSO算法的惯性权重采 取线性动态变化时无法满足粒子多样性和易陷入局部极值等缺陷,文章提出一种利用改 进后的PSO-BP方法,利用粒子适应度值对惯性权重进行动态非线性变化,同时结合粒子 迭代周期增加位置扰动,对粒子群算法进行改进. 将改进后的PAPSO算法(particle swarm optimization algorithm with position disturbance and adaptive inertia weight, PAPSO)对BP神经网络 的初始权值和阈值进行优化,建立黄山风景区日客流量的Matlab预测模型,对黄山旅游客流量数 据进行实验,结果表明文章提出的基于PAPSO算法优化BP神经网络的预测模型有效地提升了预测精度.

分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13931