Paper Publications
Release time: 2021-05-10Hits:
- Affiliation of Author(s):合肥工业大学
- Teaching and Research Group:信息管理与信息系统
- Journal:系统科学与数学
- Funded by:国家自然科学基金项目
- Key Words:客流量预测;BP神经网络;粒子群算法;惯性权重
- Abstract:提高旅游风景区日客流量的预测精度,对旅游风景区的日常运营管理和旅游资源的保护有重要意义.PSO-BP被广泛应用于预测中,针对PSO算法的惯性权重采取线性动态变化时无法满足粒子多样性和易陷入局部极值等缺陷,文章提出一种利用改进后的PSO-BP方法,利用粒子适应度值对惯性权重进行动态非线性变化,同时结合粒子迭代周期增加位置扰动,对粒子群算法进行改进.将改进后的PAPSO算法（particle swarm optimization algorithm with position disturbance and adaptive inertia weight,PAPSO）对BP神经网络的初始权值和阈值进行优化,建立黄山风景区日客流量的Matlab预测模型,对黄山旅游客流量数据进行实验,结果表明文章提出的基于PAPSO算法优化BP神经网络的预测模型有效地提升了预测精度.
- Indexed by:Journal paper
- Discipline:Management Science
- Document Type:J
- Volume:40
- Issue:08
- Page Number:1407-1419
- ISSN No.:1000-0577
- Translation or Not:no
- CN No.:11-2019/O1
- Date of Publication:2020-08-15
- Pre One:突发公共卫生事件下基于区块链的快递物流系统设计
MOBILE Version