Prediction Research of the Short-term TravelDemand Based on the DBN-APSOBP Combined
Model
作者： 陆文星[1];戴一茹[1];李克卿[1]
作者机构： [1]合肥工业大学管理学院,合肥230009出版物刊名： 科技促进发展页码： 470-478页年卷期： 2020年 第5期
主题词： 旅游需求预测;深度置信网络;网络搜索指数;误差修正;组合模型
摘要：旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的自适应惯性权重优化的粒子群算法(APSO)去优化误差反向传播神经网络(BP)神经网络——APSO-BP的组合预测模型,用深度置信网络(DBN)模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。
