基于改进回声状态网络的游客到达人数预测研究

发布时间：2025-05-20 01:27

　　旅游业发展迅速,是许多国家重点发展的产业,对其做出准确的预测,能够为国家或地区旅游部门在制定合理的发展规划以及对旅游资源进行优化配置时提供重要依据。早期研究者主要采用计量经济模型、时间序列模型对旅游需求进行预测。近些年来,神经网络被广泛应用于时间序列预测领域,其在旅游需求预测中取得了不错的效果。回声状态网络(Echo State Network,ESN)引入了储备池计算模式取代传统的隐含层,提升了训练效率。首先,分析了回声状态网络预测模型和小世界网络结构。主要包括ESN的训练过程、储备池的关键参数和小世界网络的数学模型。然后,构建了具有小世界特性的小波回声状态网络预测模型(Small World Wavelet ESN,SW-W-ESN)。储备池是ESN的核心部分,传统的ESN储备池随机生成,在预测模型中使用复杂网络结构比传统的随机网络结构更具优势,据此,本文设计了具有小世界特性的储备池结构来取代随机结构;完成储备池拓扑结构的设计后,需要选取神经元激励函数,Sigmoid函数是最常用的激励函数,本文同时使用小波函数和S型函数作为神经元激励函数,使得储备池神经元具有丰富的变换形式。最后,将...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容与方法
2 回声状态网络预测模型和小世界网络结构
    2.1 回声状态网络的结构与数学模型
    2.2 小世界网络的结构与数学模型
    2.3 本章小结
3 具有小世界特性的小波回声状态网络预测模型
    3.1 具有小世界特性的回声状态网络储备池设计
    3.2 小波神经元分析
    3.3 SW-W-ESN组合预测模型
    3.4 本章小结
4 基于SW-W-ESN模型的游客到达人数预测
    4.1 预测精度衡量指标
    4.2 基于SW-W-ESN的马来西亚游客到达人数预测
    4.3 基于SW-W-ESN的土耳其游客到达人数预测
    4.4 本章小结
5 总结与展望
    5.1 研究结论
    5.2 研究展望
致谢
参考文献



本文编号：4046632