基于LS—SVM方法的景區客流中期預測研究

[摘要]受到季節性、外部沖擊和經濟周期等因素作用的景區客流波動幅度大，其預測一直是旅游學研究中的難題，尤其是中長期預測。文章采用當前使用極為廣泛的最小二乘支持向量機方法（1east squares suppon vector machines，LSSVM）對黃山風景區客流月度數據（1987年1月～2010年12月）進行了2年時間尺度的預測，結果表明：采用LS-SVM方法進行景區客流中期預測，其預測的各項性能指標均明顯優于BP神經網絡（Back Propagation Neural Network）、X-12-ARIMA（Autoregressive Integrated Moving Average Model）、經驗模態分解（empirical mode decomposition，EMD）與LS-SVM組合預測方法，即EMD-LSSVM方法，預測效果理想，并且具有訓練時間短、精度高等優點。其較為準確的預報能力能夠為景區規劃管理和戰略決策提供科學依據，具有較高的實用價值。