季节调整FWA-SVR模型及其在旅游经济预测中的应用
Seasonally-Adjusted FWA-SVR Model and Its Application in Tourism Economic Forecast
查看参考文献51篇
|
文摘
|
引入一种全新的智能优化算法--烟花算法--对支持向量回归模型中的参数选择过程进行优化,并考虑旅游经济行为中的季节性因素,构建了季节调整的烟花算法支持向量回归模型(FWA-SVR).随后,文章将该模型应用于海南国际旅游岛的旅游过夜接待人数和旅游收入的预测中.预测结果表明,与不进行季节调整的ARMA模型相比,季节调整后的FWA-SVR模型具有更好的预测精度.而与经典的遗传算法、粒子群算法相比,FWA-SVR模型在所有模型中的预测表现也是最优的. |
|
其他语种文摘
|
This paper introduces a new intelligent optimization algorithm, named Firework Algorithm (FWA), to optimize the parameter selection process in the Support Vector Regression model (SVR).And then, considering the seasonal factors in tourism economic behavior, we build a seasonally-adjusted FWA-SVR model and apply it to predict the number of overnight tourists and tourism revenue of Hainan International Tourism Island.The prediction results show that the FWA-SVR model after the seasonal adjustment has better prediction accuracy than the ARMA model without seasonal adjustment.Compared with the classic Genetic Algorithm and Particle Swarm Optimization Algorithm, the FWA-SVR model performs best in all prediction models. |
|
来源
|
系统科学与数学
,2021,41(6):1572-1584 【核心库】
|
|
关键词
|
烟花算法
;
支持向量机
;
旅游经济
;
旅游预测
;
季节调整
|
|
地址
|
1.
海南大学经济学院, 海口, 570228
2.
东北师范大学罗格斯大学纽瓦克学院, 长春, 130117
3.
西南财经大学金融学院, 成都, 611130
4.
海南大学管理学院, 海口, 570228
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0577 |
|
学科
|
社会科学总论;自动化技术、计算机技术 |
|
基金
|
海南省自然科学基金
;
国家自然科学基金
;
海南省基础与应用基础研究计划(自然科学领域)高层次人才项目
;
海南大学基金
|
|
文献收藏号
|
CSCD:7050895
|
参考文献 共
51
共3页
|
|
1.
黄先开. 百度指数与旅游景区游客量的关系及预测研究.
旅游学刊,2013,28(11):93-100
|
被引
43
次
|
|
|
|
|
2.
张友兰. 旅游预测模型及应用.
河北省科学院学报,2000,17(2):85-88
|
被引
4
次
|
|
|
|
|
3.
胡勇. 中国大陆赴香港旅游预测模型.
国际经贸探索,2008,24(5):41-44
|
被引
1
次
|
|
|
|
|
4.
翁钢民. 我国入境旅游预测:基于ARFIMA模型的研究.
商业研究,2009(6):1-4
|
被引
1
次
|
|
|
|
|
5.
纪成君. 国内旅游收入预测模型的比较.
辽宁工程技术大学学报:自然科学版,2010,29(5):990-993
|
被引
2
次
|
|
|
|
|
6.
吴良平. 基于IOWHA算子的组合预测在中国入境旅游中的应用分析.
旅游学刊,2011,26(11):19-27
|
被引
4
次
|
|
|
|
|
7.
Smeral E. Econometric forecasts Tourism trends to 2000.
Annals of Tourism Research,1992,19(3):450-466
|
被引
4
次
|
|
|
|
|
8.
李志龙. 基于支持向量机旅游需求预测.
经济地理,2010,30(12):2122-2126
|
被引
6
次
|
|
|
|
|
9.
张忠良. 一种基于高斯过采样的集成学习算法.
系统工程理论与实践,2021,41(2):513-523
|
被引
3
次
|
|
|
|
|
10.
孔祥维. 人工智能决策可解释性的研究综述.
系统工程理论与实践,2021,41(2):524-536
|
被引
11
次
|
|
|
|
|
11.
袁帅鹏. 两阶段流水车间成组调度问题的迭代贪婪算法.
系统工程理论与实践,2020,40(10):2707-2716
|
被引
7
次
|
|
|
|
|
12.
任来玲. 旅游需求预测方法文献述评.
旅游学刊,2006,21(8):90-92
|
被引
5
次
|
|
|
|
|
13.
杨盼.
基于灰色系统和神经网络的旅游需求预测,2012
|
被引
1
次
|
|
|
|
|
14.
张郴. 中国入境旅游需求预测的神经网络集成模型研究.
地理科学,2011,31(10):1208-1212
|
被引
8
次
|
|
|
|
|
15.
陆文星. 基于改进PSO-BP神经网络的旅游客流量预测方法.
系统科学与数学,2020,40(8):1407-1419
|
被引
4
次
|
|
|
|
|
16.
何彪. 海南省旅游市场规模预测--基于灰色系统理论的分析.
海南师范大学学报:自然科学版,2011,24(4):458-461
|
被引
2
次
|
|
|
|
|
17.
章杰宽. 动态粒子群算法优化灰色神经网络的旅游需求预测模型研究.
管理评论,2013(3):60-66
|
被引
1
次
|
|
|
|
|
18.
Goh C. Incorporating the rough sets theory into travel demand analysis.
Tourism Management,2003,24(5):511-517
|
被引
3
次
|
|
|
|
|
19.
陈荣. 基于自适应GA-SVR的旅游景区日客流量预测.
中国管理科学,2012(S1):61-66
|
被引
3
次
|
|
|
|
|
20.
杨立勋. 人工智能方法在旅游预测中的应用及评析.
旅游学刊,2008,23(9):17-22
|
被引
5
次
|
|
|
|
|
了解气象卫星更多信息，请访问