[发明专利]基于季节性长短期记忆网络模型的旅游客流量预测方法

摘要

一种基于季节性长短期记忆网络的旅游客流量预测方法，由从旅游局官网的景点收集景点每天接待人数情况、平滑节假日数据为普通工作日数据、对预处理后的旅游客流量数据进行归一化处理、预测普通工作日旅游客流量、确定季节指数、优化调整预测结果步骤组成。本发明采用了长短期记忆网络模型构建旅游客流量预测模型，适用于周期性强的数据和序列数据，可以解决长期依赖问题，比传统的时间序列模型等更加灵活调参，模型简单，易于实现，采用了季节因子对结果进行调整，预测结果准确。本发明方法可用于对旅游客流量进行预测。

主权项

1.一种基于季节性长短期记忆网络的旅游客流量预测方法，其特征由下述步骤组成：(1)从旅游局官网的景点收集景点每天接待人数情况从旅游局官网的景点收集景点3年内每天接待人数情况，包括日期年、月、日以及当天的接待人数，并且对节假日进行标注，建立历史旅游客流量曲线；(2)平滑节假日数据为普通工作日数据将步骤(1)历史旅游客流量曲线中的节假日利用趋势外推法平滑掉，变成普通工作日旅游客流量，得到旅游客流量数据序列S：S＝{x1,x2,…xn}；式中xn为第n天的旅游客流量数据，n≤365×3；(3)对预处理后的旅游客流量数据进行归一化处理从步骤(2)的旅游客流量数据序列中确定最大值和最小值按公式(1)式中x′i为第i天归一化后的旅游客流量数据,1≤i≤n,得到归一化后的旅游客流量数据集S′i：S′i＝{x′1,x′2,…,x′n}(4)预测普通工作日旅游客流量①将步骤(3)的归一化后的旅游客流量数据转变成序列I：I＝{(xt‑a,xt‑(a‑1),…,xt)}式中xt为某一天的旅游客流量,从历史客流量数据中选取前t天的客流量来预测第(t+1)天的客流量,0＜a＜t,t＜361；②设置长短期记忆网络模型：设置维度为t×1的长短期记忆网络层作为输入层，每个节点为序列I中的元素，隐藏层为1或2层长短期记忆网络结构，输出层有1个节点；③引入激活函数：采用sigmoid函数作为输入层内激活函数和输入层与隐含层之间的激活函数，双曲正切函数作为隐含层内的激活函数，线性函数作为输出层的激活函数；sigmoid函数为：④采用优化函数adam优化长短期记忆网络结构：采用keras深度学习库中的优化函数adam优化长短期记忆网络结构；⑤将归一化后的旅游客流量序列划分为训练集和测试集，将训练集输入到步骤②设置的长短期记忆网络模型中，设置时间步长为1～3，迭代次数为80～120次，批量为1进行训练，得到训练好的长短期记忆网络模型，并将该网络模型应用在测试集上进行旅游客流量预测；(5)确定季节指数季节指数按下述方法确定：式中ft是实际值，f′t为预测值，i为自然数，每个时间点的季节指数SIj用下式得到：式中j为1,2,…,l，30≤l≤365的整数，1＜m≤10的整数；(6)优化调整预测结果用季节指数对预测结果进行优化调整,优化调整方法如下：式中是经过季节指数调整后的最终预测值。