第21卷第1期湖南工程学院学报Vo1.21.No.12011年3月JournalofHunanInstituteofEngineeringMar.2011改进的LS-SVM算法在入境旅游客流量预测上的应用张朝元1,陈丽2(1.大理学院数学与计算机学院,大理671003;2.大理学院工程学院,大理671003)摘要:近年来,各地入境游客流量的迅速发展引起了各级政府和旅游事业的极大重视.而对未来旅游客流量及时准确的预测成为规划旅游政策的重要依据.针对游客流量的特点,提出了采用改进的最小二乘支持向量机方法来建立旅游客流量的时间序列预测模型.实验预测结果表明该模型具有较高的预测精度,可以为各地旅游客流量预测提供了一条新的途径.关键词:LS-SVM法;旅游客流量;预测中图分类号:TP391.75文献标识码:A文章编号:1671-119X(2011)01-0041-03随着社会的不断发展和旅游资源的不断开发,各规模问题时存在学习速度过慢的问题.因此,如何减地入境游客流量得到了迅速发展,这引起了各级政府少计算时间和存储空间成为用于函数估计的LS和旅游事业的极大重视.为了应对迅速发展的旅游流SVM学习算法的研究热点[4].由于O.L.Mangasari量和跟上国际旅游事业步伐,采用先进的方法及时准等人提出的用于模式识别的SOR(SuccessiveOver确地掌握未来游客流量就变得尤其重要.对各地游客RelaxationforSupportVectorMachine)算法[5]适流量的及时了解是各地旅游事业决策经营、宏观管理合迭代求解并能用于解决大规模问题.因此,本文考的重要基础工作,具有十分重要的意义.通过对各地虑将这一方法推广到函数估计问题中,对用于函数旅游未来时期旅游客流量的预测,可以科学地估算旅估计的LS-SVM算法的优化式加以改造,得到了游的需求规模,便于对旅游形势做出应变策略和行动一种函数估计的LS-SVM的改进算法.这一新的方案,以促进各地旅游业的发展.国内对旅游力量的算法具有能减少计算复杂性、提高学习速度和在一预测研究还起步比较晚,以前大多数采用的是传统的定程度上能提高回归估计的精度性等方面的优点.统计学方法,但是预测精度不是很高.本文提出采用1标准的LSSVM函数估计改进的最小二乘支持向量机方法来建立旅游流量的时间序列预测模型.近年来,最小二乘支持向量机器设被估计的未知函数为f(x),由f(x)给定数n法(LeastSquaresSupportVectorMachine,简记为LS据点为(x1,y1),,(xN,yN)其中xkR为输入向[1、2]SVM法)被提出来并被用于分类问题和非线性函量,ykR为输出变量,且yk=f(xk),k=1,,N.数的估计问题[3],LSSVM法将SVM法中的不等式函数估计问题就是在这些给定的数据上寻找一个函约束修改为等式约束,并将误差平方和(SumSquared数fN(x),使fN(x)与f(x)能尽可能地!接近∀.Error,简记为SSE)损失函数作为训练集的经验损失.函数估计问题最终就是求解待估计的未知函数但是,LS-SVM法有其自身的缺点[3],文献[3]提出f(x).作非线性映射::Rn#H,其中称为特征映了一种修正的LS-SVM法以克服其缺点.尽管LS-射,H为特征空间(一般,H为高维空间或无穷维空SVM法有缺点,但用于函数估计仍然是一种十分可间),则被估计函数f(x)有如下形式:y=f(x)=行的方法.wT(x)+b,其中w为空间H中的权向量,bR为然而,用于函数估计的标准LSSVM在求解大偏值.于是,LS-SVM法估计非线性函数为如下特收稿日期:2010-10-22基金项目:大理学院科研基金资助项目(2005X23)作者简介:张朝元(1978-),男,硕士,讲师,研究方向:统计学习理论及数学教育的研究.42湖南工程学院学报2011年N征空间中的最优问题:1T1212minJ(w,b,e)=ww+b+∃eks.Nw,b,e222k=11T12minJ(w,e)=ww+∃eks.t.yk=Tw,b,e22k=1t.yk=w(xk)+b+ek(6)Tw(xk)+b+ek(1)将该规划问题转化到其对偶空间中,定义La其中ekR为误差变量.注意到J(w,e)是由正则化grange函数:NN1T12T项ww和SSE项∃ek组成,其中为一实值L(w,b,e;)=J(w,b,