期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于百度指数的天山天池景区客流量预测研究
1
作者
康梓蝶
李啸虎
《职业技术》
2024年第2期99-108,共10页
对游客数量进行预测有助于景区的可持续发展,也为景区的合理安排和规划提供依据。利用2021年新疆天山天池景区日游客量的数据,通过协整检验和格兰杰因果检验,借助ARMA模型和自回归分布滞后模型对客流量进行预测,最终将预测结果与实际游...
对游客数量进行预测有助于景区的可持续发展,也为景区的合理安排和规划提供依据。利用2021年新疆天山天池景区日游客量的数据,通过协整检验和格兰杰因果检验,借助ARMA模型和自回归分布滞后模型对客流量进行预测,最终将预测结果与实际游客量进行对比。结果表明:(1)新疆天山天池实际游客量与百度指数搜索的关键词存在长期均衡关系;(2)新疆天山天池实际游客量与百度指数搜索的关键词均存在双向的格兰杰因果关系;(3)加入百度关键词后,模型的拟合优度更高,预测效果更好;(4)预测精度越高,越能够有效判断用户对景区的关注度,通过对网络数据的搜集整理,可以为有关部门提供决策依据。
展开更多
关键词
百度指数
景区客流量
格兰杰因果检验
ARMA模型
自回归分布滞后模型
在线阅读
下载PDF
职称材料
基于数据挖掘的景区客流量预测模型研究
被引量：
1
2
作者
吴学成
《现代电子技术》
2021年第15期159-162,共4页
针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景...
针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景区客流量训练集合进行学习,建立景区客流量预测模型;最后采用景区客流量预测实例分析该模型的优越性。结果表明,基于数据挖掘的景区客流量平均预测精度超过90%,能够满足景区客流量管理预测精度要求,而且预测效果要优于当前经典的景区客流量预测模型。
展开更多
关键词
预测模型
景区客流量
数据挖掘
性能对比
客流量
预测
预测精度
在线阅读
下载PDF
职称材料
基于注意力机制的BILSTM-CNN景区客流量预测模型
被引量：
5
3
作者
韩文杰
李勇
李云鹏
《现代电子技术》
2022年第19期105-110,共6页
为了实现智慧景区的目标需要对客流量进行准确的预测,针对游客数据存在的时序性和特征影响差异,导致单一模型预测精度较低的问题,提出基于注意力机制的双向长短期记忆(BILSTM)神经网络结合卷积神经网络(CNN)的预测模型。首先,将影响客...
为了实现智慧景区的目标需要对客流量进行准确的预测,针对游客数据存在的时序性和特征影响差异,导致单一模型预测精度较低的问题,提出基于注意力机制的双向长短期记忆(BILSTM)神经网络结合卷积神经网络(CNN)的预测模型。首先,将影响客流量的历史客流数据、网络搜索数据、天气数据进行预处理和特征选择后作为预测因素输入模型;然后,用注意力机制对不同时间点的显著特征加权后,利用BILSTM充分挖掘时间序列的全局特征;最后,由CNN得到细粒度的局部特征,提高模型的预测性能。以九寨沟景区的真实数据为对象进行与基准模型的对比实验和消融实验,实验结果表明:在评估指标上,该模型优于单一预测模型;消融实验的结论证明了该模型每一部分对提高预测结果的有效性。
展开更多
关键词
客流量
预测
BILSTM-CNN
注意力机制
景区客流量
深度学习
组合模型
时间序列
在线阅读
下载PDF
职称材料
题名
基于百度指数的天山天池景区客流量预测研究
1
作者
康梓蝶
李啸虎
机构
新疆财经大学旅游学院
出处
《职业技术》
2024年第2期99-108,共10页
基金
新疆维吾尔自治区社会科学基金项目“新疆旅游业发展高质量水平评价、障碍诊断与潜力研究”(19BYJ038)
新疆财经大学研究生科研创新项目“新疆文旅产业融合水平的多维测度及路径提升”(XJUFE2023K052)。
文摘
对游客数量进行预测有助于景区的可持续发展,也为景区的合理安排和规划提供依据。利用2021年新疆天山天池景区日游客量的数据,通过协整检验和格兰杰因果检验,借助ARMA模型和自回归分布滞后模型对客流量进行预测,最终将预测结果与实际游客量进行对比。结果表明:(1)新疆天山天池实际游客量与百度指数搜索的关键词存在长期均衡关系;(2)新疆天山天池实际游客量与百度指数搜索的关键词均存在双向的格兰杰因果关系;(3)加入百度关键词后,模型的拟合优度更高,预测效果更好;(4)预测精度越高,越能够有效判断用户对景区的关注度,通过对网络数据的搜集整理,可以为有关部门提供决策依据。
关键词
百度指数
景区客流量
格兰杰因果检验
ARMA模型
自回归分布滞后模型
Keywords
Baidu Index
scenic spot passenger flow
Granger causality test
ARMA model
autoregressive distributed lag model
分类号
G482 [文化科学—教育技术学]
在线阅读
下载PDF
职称材料
题名
基于数据挖掘的景区客流量预测模型研究
被引量：
1
2
作者
吴学成
机构
凯里学院
出处
《现代电子技术》
2021年第15期159-162,共4页
基金
贵州省教育厅人文社科课题(14QN012)。
文摘
针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景区客流量训练集合进行学习,建立景区客流量预测模型;最后采用景区客流量预测实例分析该模型的优越性。结果表明,基于数据挖掘的景区客流量平均预测精度超过90%,能够满足景区客流量管理预测精度要求,而且预测效果要优于当前经典的景区客流量预测模型。
关键词
预测模型
景区客流量
数据挖掘
性能对比
客流量
预测
预测精度
Keywords
prediction model
scenic area tourist flow
data mining
performance contrast
tourist flow prediction
prediction accuracy
分类号
TN911.1-34 [电子电信—通信与信息系统]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于注意力机制的BILSTM-CNN景区客流量预测模型
被引量：
5
3
作者
韩文杰
李勇
李云鹏
机构
首都经济贸易大学管理工程学院
首都经济贸易大学工商管理学院
出处
《现代电子技术》
2022年第19期105-110,共6页
基金
首都经济贸易大学科技创新项目(2022KJCX101)。
文摘
为了实现智慧景区的目标需要对客流量进行准确的预测,针对游客数据存在的时序性和特征影响差异,导致单一模型预测精度较低的问题,提出基于注意力机制的双向长短期记忆(BILSTM)神经网络结合卷积神经网络(CNN)的预测模型。首先,将影响客流量的历史客流数据、网络搜索数据、天气数据进行预处理和特征选择后作为预测因素输入模型;然后,用注意力机制对不同时间点的显著特征加权后,利用BILSTM充分挖掘时间序列的全局特征;最后,由CNN得到细粒度的局部特征,提高模型的预测性能。以九寨沟景区的真实数据为对象进行与基准模型的对比实验和消融实验,实验结果表明:在评估指标上,该模型优于单一预测模型;消融实验的结论证明了该模型每一部分对提高预测结果的有效性。
关键词
客流量
预测
BILSTM-CNN
注意力机制
景区客流量
深度学习
组合模型
时间序列
Keywords
passenger flow prediction
BILSTM-CNN
attention mechanism
scenic passenger flow
deep learning
combined model
time series
分类号
TN911.1-34 [电子电信—通信与信息系统]
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于百度指数的天山天池景区客流量预测研究
康梓蝶
李啸虎
《职业技术》
2024
0
在线阅读
下载PDF
职称材料
2
基于数据挖掘的景区客流量预测模型研究
吴学成
《现代电子技术》
2021
1
在线阅读
下载PDF
职称材料
3
基于注意力机制的BILSTM-CNN景区客流量预测模型
韩文杰
李勇
李云鹏
《现代电子技术》
2022
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
