基于季节SVR的节假日旅游客流量预测.pdfVIP

方 法应 用 基于季节SVR的节假 日旅游客流量预测 陈 荣 。，梁昌勇 (1．合肥工业大学 管理学院，合肥230009；2．蚌埠学院 经济与管理系，安徽 蚌埠233000) 摘 要：准确的节假 日客流量预测对旅游景区至关重要，然而受各种因素影响 ，节假 日客流量呈现复杂非 线性特点和典型季节性趋势。为了解决这种非线性和季节性问题，文章建立基于季节调整的支持向量回归模 型(SSVR)，并用某风景区2008—2011年节假 日的日客流量验证模型的有效性。研究结果表明，SSVR预测节假 El客流量效果良好，预测精度优于SVR和BPNN方法。 关键词：季节调整；支持向量回归；节假El客流量；预测 中图分类号：TP181 文献标识码 ：A 文章编号：1002—6487(2013)09—0082—03 1 季节SVR模型 0 引言 1．1 SVR 原理 节假 日旅游 目前已成为一种重要的社会现象和经济 SVR本质上就是一个含有线性约束的凸二次规划优 现象，节假 日客流量预测逐渐成为旅游需求管理的重要任 化 求 解 问题 ：假 定样 本 数据 (zY)， 1，2，·一 ，， 务之一。准确的节假 日客流量预测能为旅游景区及相关 vER，五= ，其中xi为n维输人，yi为x的输出，n为样本 旅游产品如酒店、公路、航空等部门合理安排资源提供直 量，SVR通过一个非线性映射 ，将输入空间的数据x，映 接依据。但 由于受到气候、假期时间长短等因素的影响， 射到高维特征空间F中，并在这个空间进行线性回归，即 节假 日客流量呈现复杂的非线性特点和典型的季节性趋 f(x)=W ()+b ：R —F，砌∈F (1) 势，传统的预测方法，如线性回归、ARIMA等难以实现非 根据结构风险最小化原则，上述函数回归问题就是寻 线性的客流量预测；人工神经网络虽能够解决非线性预测 求使风险最小函数的f，即 问题，但易陷入收敛速度慢和局部最优，而且也解决不了 预测中的季节性问题 。 R ： +Romp- +C× Yi-fx(i)l(2) 本文提出一种SSVR模型，利用SVR处理非线性数据 的能力和季节调整对季节性趋势的处理，实现节假 日客流 式中l1wll为描述函数，c为常数，选取 _厂(．z)I= 量预测。该模型修正了单纯SVR模型预测精度不高的问 max{O，l (z)l一￡}，￡是回归允许的最大误差，控制支持 题，克服了传统预测方法和人工神经网络的局限；同时以 向量的泛化能力和个数，其值越小，支持向量越多， 为 某风景区节假 日的日客流量验证模型的有效性，突破 以往 经验风险函数。最小化(2)式，引入非负松弛变量 ， ， 很多学者主要关注月、季和年的客流量预测形式n，为旅 上述函数回归问题等价于： 游需求预测提供一种全新的思路和方法。 mni专ll叫+c∑(+) (3)