基于深度学习的清远市景区流量预测模型研究

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v2i2.7373

李国平

广东碧桂园职业学院

Abstract

为提高旅游景区流量预测的准确性,本文提出了一种基于深度学习的清远市旅游景区流量预测模型。首先,通过景区售票系统收集游客的进出景区信息。其次,对数据进行初步处理,包括数据清洗、归一化整理。然后,利用深度学习中的卷积神经网络算法构建了一种新型的旅游景区流量预测模型,该模型利用历史景区流量数据进行训练,并能够自动学习数据中的复杂特征和规律,从而精准预测未来景区流量变化。实验结果显示,所设计的模型精度达到87.61%,较传统方法提高了16.18个百分点,表明新模型在景区流量预测准确性方面取得了显著的提升。本文提出的基于深度学习的旅游景区流量预测模型,可为景区运营管理提供更可靠的决策支持,从而提高景区管理效率。

Keywords

深度学习；旅游景区；流量预测；卷积神经网络算法

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 潘念然.基于ARIMA和LSTM的城市轨道交通客流量预测[J].科学技术创新,2022,(08):165-168.
[2] 刘帆,朱强.基于深度学习的轨道交通客流量预测模型[J].信息与电脑(理论版),2023,35(22):63-65.
[3] 李亚香,王元庆.基于PSO-LSSVM算法的城市轨道交通断面客流量预测[J].长安大学学报(自然科学版),2021,41(6):91-102.
[4] 谢谦,陆明,谢春山.基于LBS和深度学习的旅游景区客流量的高时频预测[J].地球信息科学学报,2023,25(02):298-310.
[5] 李安娜,李永福.基于深度神经网络的短时地铁客流预测[J].运筹与模糊学,2022,12(1):26-35.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License