發(fā)布時(shí)間：2025-05-20 01:27

　　旅游業(yè)發(fā)展迅速,是許多國(guó)家重點(diǎn)發(fā)展的產(chǎn)業(yè),對(duì)其做出準(zhǔn)確的預(yù)測(cè),能夠?yàn)閲?guó)家或地區(qū)旅游部門(mén)在制定合理的發(fā)展規(guī)劃以及對(duì)旅游資源進(jìn)行優(yōu)化配置時(shí)提供重要依據(jù)。早期研究者主要采用計(jì)量經(jīng)濟(jì)模型、時(shí)間序列模型對(duì)旅游需求進(jìn)行預(yù)測(cè)。近些年來(lái),神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于時(shí)間序列預(yù)測(cè)領(lǐng)域,其在旅游需求預(yù)測(cè)中取得了不錯(cuò)的效果。回聲狀態(tài)網(wǎng)絡(luò)(Echo State Network,ESN)引入了儲(chǔ)備池計(jì)算模式取代傳統(tǒng)的隱含層,提升了訓(xùn)練效率。首先,分析了回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)模型和小世界網(wǎng)絡(luò)結(jié)構(gòu)。主要包括ESN的訓(xùn)練過(guò)程、儲(chǔ)備池的關(guān)鍵參數(shù)和小世界網(wǎng)絡(luò)的數(shù)學(xué)模型。然后,構(gòu)建了具有小世界特性的小波回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)模型(Small World Wavelet ESN,SW-W-ESN)。儲(chǔ)備池是ESN的核心部分,傳統(tǒng)的ESN儲(chǔ)備池隨機(jī)生成,在預(yù)測(cè)模型中使用復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比傳統(tǒng)的隨機(jī)網(wǎng)絡(luò)結(jié)構(gòu)更具優(yōu)勢(shì),據(jù)此,本文設(shè)計(jì)了具有小世界特性的儲(chǔ)備池結(jié)構(gòu)來(lái)取代隨機(jī)結(jié)構(gòu);完成儲(chǔ)備池拓?fù)浣Y(jié)構(gòu)的設(shè)計(jì)后,需要選取神經(jīng)元激勵(lì)函數(shù),Sigmoid函數(shù)是最常用的激勵(lì)函數(shù),本文同時(shí)使用小波函數(shù)和S型函數(shù)作為神經(jīng)元激勵(lì)函數(shù),使得儲(chǔ)備池神經(jīng)元具有豐富的變換形式。最后,將...

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與方法
2 回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)模型和小世界網(wǎng)絡(luò)結(jié)構(gòu)
    2.1 回聲狀態(tài)網(wǎng)絡(luò)的結(jié)構(gòu)與數(shù)學(xué)模型
    2.2 小世界網(wǎng)絡(luò)的結(jié)構(gòu)與數(shù)學(xué)模型
    2.3 本章小結(jié)
3 具有小世界特性的小波回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)模型
    3.1 具有小世界特性的回聲狀態(tài)網(wǎng)絡(luò)儲(chǔ)備池設(shè)計(jì)
    3.2 小波神經(jīng)元分析
    3.3 SW-W-ESN組合預(yù)測(cè)模型
    3.4 本章小結(jié)
4 基于SW-W-ESN模型的游客到達(dá)人數(shù)預(yù)測(cè)
    4.1 預(yù)測(cè)精度衡量指標(biāo)
    4.2 基于SW-W-ESN的馬來(lái)西亞游客到達(dá)人數(shù)預(yù)測(cè)
    4.3 基于SW-W-ESN的土耳其游客到達(dá)人數(shù)預(yù)測(cè)
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 研究結(jié)論
    5.2 研究展望
致謝
參考文獻(xiàn)



本文編號(hào)：4046632