[发明专利]一种景点门票销量预测系统及方法

权利要求书

1.一种景点门票销量预测系统，其特征在于，包括多元线性模型、支持向量机模型、决策树模型和bagging模型，所述多元线性模型、支持向量机模型和决策树模型的输入均包括数值特征和定性特征，所述多元线性模型、支持向量机模型和决策树模型的输出分别连接至bagging模型，通过bagging模型综合多元线性模型、支持向量机模型和决策树模型的预测结果，以输出最终的预测结果。

2.根据权利要求1所述的一种景点门票销量预测系统，其特征在于，所述数值特征包括门票价格、历史销量、气温和空气质量的数据，所述定性特征包括天气、季节、是否寒暑假、是否节假日、是否周末和是否有活动的信息。

3.根据权利要求1所述的一种景点门票销量预测系统，其特征在于，所述多元线性模型、支持向量机模型和决策树模型的输入还包括额外特征，所述额外特征具体是根据用户需求进行设置。

4.一种景点门票销量预测方法，其特征在于，包括以下步骤：

S1、获取旅游特征样本，其中，旅游特征包括数值特征、定性特征和额外特征；

S2、对旅游特征样本进行向量化处理，得到向量化特征样本；

S3、将向量化特征样本分别输入多元线性模型、支持向量机模型、决策树模型进行训练，分别得到训练好的多元线性模型、支持向量机模型、决策树模型，并输出样本训练集；

S4、将样本训练集输入bagging模型进行训练，得到训练好的bagging模型；

S5、将训练好的多元线性模型、支持向量机模型、决策树模型的输出分别连接至训练好的bagging模型的输入，得到销量预测系统，其中，bagging模型的输出即为销量预测系统的输出结果；

S6、根据预设的采集周期，定时采集实际的旅游特征，并将该实际的旅游特征输入销量预测系统，得到综合预测结果，即为景点门票销量预测结果。

5.根据权利要求4所述的一种景点门票销量预测方法，其特征在于，所述步骤S1具体包括以下步骤：

S11、通过网络爬虫技术，以获取第一定性特征和第一数值特征；

S12、通过数据库读取第二数值特征；

S13、通过日期信息获取第二定性特征；

S14、根据用户需求，设置额外特征；

S15、由第一定性特征、第一数值特征、第二数值特征、第二定性特征和额外特征共同组成旅游特征的样本数据。

6.根据权利要求5所述的一种景点门票销量预测方法，其特征在于，所述第一定性特征包括天气、空气质量和是否有活动的信息，所述第一数值特征为气温数据，所述第二数值特征包括门票价格和历史销量的数据，所述第二定性特征包括季节、是否是周末、是否是寒暑假和是否是节假日的信息。

7.根据权利要求4所述的一种景点门票销量预测方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、针对数值特征，采用区间缩放方法，基于最大值和最小值，将数值特征值转换到[0,1]区间上，得到第一向量化特征；

S22、针对定性特征，采用亚编码方式，将定性特征值转换为01向量，得到第二向量化特征；

S23、针对额外特征，若该额外特征属于数值特征，则采用区间缩放方法进行向量化处理，若该额外特征属于定性特征，则采用亚编码方式进行向量化处理，以得到第三向量化特征；

S24、将第一向量化特征、第二向量化特征和第三向量化特征共同组成向量化特征样本。

8.根据权利要求4所述的一种景点门票销量预测方法，其特征在于，所述步骤S3中样本训练集包括由多元线性模型输出的第一预测结果、由支持向量机模型输出的第二预测结果和由决策树模型输出的第三预测结果。

9.根据权利要求4所述的一种景点门票销量预测方法，其特征在于，所述步骤S5中bagging模型的输出为多元线性模型、支持向量机模型和决策树模型输出的平均值。