現(xiàn)有方法預(yù)測結(jié)果準(zhǔn)確性不高,針對該問題設(shè)計基于Logistic模型的度假酒店客流量預(yù)測系統(tǒng)。利用描述性統(tǒng)計分析方法采集原始信息,依據(jù)采集結(jié)果建立Logistic混沌映射回歸分析模型,運用該模型提取客流量的樣本模糊檢測結(jié)果和流量擁堵性特征,并運用模糊PID學(xué)習(xí)方法實現(xiàn)特征的自分類學(xué)習(xí)。在此基礎(chǔ)上,對樣本序列進行相空間重構(gòu)和譜分解,采用大數(shù)據(jù)融合和關(guān)聯(lián)規(guī)則挖掘方法評估客流量,回歸檢驗評估結(jié)果,從而實現(xiàn)對度假酒店客流量的預(yù)測。通過實驗結(jié)果可知,該系統(tǒng)具有預(yù)測精度較高的優(yōu)勢,有助于提高度假酒店的管理調(diào)度決策能力。 

【文章來源】：長春師范大學(xué)學(xué)報. 2020,39(08)

【文章頁數(shù)】：6 頁

【部分圖文】：

度假酒店客流量預(yù)測系統(tǒng)實現(xiàn)流程

為了驗證所提方法在實現(xiàn)度假酒店客流量統(tǒng)計分析預(yù)測的應(yīng)用性能,進行仿真實驗,實驗采用C++和Matlab設(shè)計,結(jié)合SPSS 19.0統(tǒng)計分析軟件進行度假酒店客流量的大數(shù)據(jù)統(tǒng)計分析,對度假酒店客流量數(shù)據(jù)采樣的先驗樣本集規(guī)模為3 000,訓(xùn)練序列為100,Logistics映射訓(xùn)練的學(xué)習(xí)次數(shù)為20,關(guān)聯(lián)系數(shù)為0.14,度假酒店客流量預(yù)測的置信度水平設(shè)定為0.95,根據(jù)上述仿真參數(shù)設(shè)定,進行度假酒店客流量預(yù)測,得到原始采樣樣本如圖2所示。圖3 Logistics相空間重構(gòu)

預(yù)測輸出

【參考文獻】：
期刊論文
[1]基于Benford-Logistic模型的企業(yè)財務(wù)風(fēng)險預(yù)警方法[J]. 楊貴軍,周亞夢,孫玲莉.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2019(10)
[2]基于波動聚集性的城際高鐵客流量預(yù)測[J]. 耿立艷,魯榮利,李新杰.  鐵道科學(xué)與工程學(xué)報. 2019(08)
[3]基于組合模型的城市軌道交通短時客流預(yù)測[J]. 楊靜,朱經(jīng)緯,劉博,馮誠,張紅亮.  交通運輸系統(tǒng)工程與信息. 2019(03)
[4]基于SARIMA模型的鐵路站點客流量預(yù)測研究[J]. 段然,龐建華,張良鈞.  數(shù)學(xué)的實踐與認(rèn)識. 2019(09)
[5]基于logistic模型的我國信息產(chǎn)業(yè)演化發(fā)展研究[J]. 宋之杰,唐曉莉.  數(shù)學(xué)的實踐與認(rèn)識. 2019(05)
[6]運動延誤下城市交通軌道多站協(xié)同客流控制模型研究[J]. 崔素萍.  科技通報. 2019(02)
[7]改進PSO算法優(yōu)化LSSVM模型的短期客流量預(yù)測[J]. 陸文星,李楚.  計算機工程與應(yīng)用. 2019(18)
[8]城市軌道交通客流網(wǎng)絡(luò)分布均衡性評價[J]. 黃志遠(yuǎn),徐瑞華,楊儒冬,劉偉.  交通運輸系統(tǒng)工程與信息. 2018(03)
[9]城市軌道交通客流預(yù)測宏觀指標(biāo)統(tǒng)計分析[J]. 戢小輝,安栓莊,俞懿宸,謝禹磊.  都市快軌交通. 2017(06)
[10]基于改進卡爾曼濾波的軌道交通站臺短時客流預(yù)測[J]. 張智勇,張丹丹,賈建林,梁天聞.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2017(06)



本文編號：3276647