排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
基于APSO—SVR的山岳风景区短期客流量预测 总被引:1,自引:0,他引:1
根据山岳风景区短期客流量小样本、非线性等特征,本文提出基于自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)的支持向量回归(Support Vector Regression,SVR)模型,融合SVR处理小样本、非线性预测特性和APSO优化SVR参数的能力对山岳风景区短期客流量进行预测。来自山岳风景区黄山2008年~2011年暑期相关日数据的验证结果表明:与PSO—SVR、GA—SVR和BPNN等模型相比,APSO。SVR模型的预测准确性更高、误差更小,是进行山岳风景区短期客流量预测的有效工具。 相似文献
2.
基于SEA的AGA-SVR节假日客流量预测方法研究 总被引:2,自引:0,他引:2
节假日旅游客流量由于游客在短期内大量集中于同一地点、不同节假日休假时间长短、所处季节等不同,呈现复杂非线性特征和明显季节性特点.本文提出一种基于季节指数调整(Seasonal Exponential Adjustment,SEA)的自适应遗传算法(Adaptive Genetic Algorithm,AGA)-支持向量回归 (Support Vector Regression,SVR)预测模型,即基于SEA的AGA-SVR模型,并用国内著名5A级风景区黄山2008~2012年节假日客流量数据对模型进行验证.研究结果表明,基于SEA的AGA-SVR预测模型能够准确处理节假日旅游客流量预测中的非线性和季节性问题,较AGA-SVR和GA-SVR等方法具有更高的预测精度,在旅游预测领域应用前景广阔. 相似文献
3.
该文根据对考试环节的了解,概述了无纸化考试系统,分析了其中的核心自动组卷子系统,运用遗传算法的全局寻优对考试中的自动化组卷进行了研究,提出了一个解决适合考方要求的试题模型的算法。 相似文献
4.
5.
复杂适应系统理论与多自主体系统理论是理解城镇自组织微观动力的理论基础,个体和企业作为行为自主体,对适应能力的持续性追求是城市自组织的原初动力,是城市系统拥有自适应能力的内在原因,也是城市网络得以形成并不断生长的源泉。个体为了改善其适应状况而进入城镇,通过占据分工网络中经济势能较高的节点而获得满意的适应能力。企业则是为了较高的交易效率、较低的交易成本、更大的市场空间等好处而向城市集聚,从而改善其适应能力。个体和企业的趋同策略及其行为也就是城镇的自组织过程。 相似文献
6.
1