典型文献
基于注意力机制的BILSTM-CNN景区客流量预测模型
文献摘要：
为了实现智慧景区的目标需要对客流量进行准确的预测,针对游客数据存在的时序性和特征影响差异,导致单一模型预测精度较低的问题,提出基于注意力机制的双向长短期记忆(BILSTM)神经网络结合卷积神经网络(CNN)的预测模型.首先,将影响客流量的历史客流数据、网络搜索数据、天气数据进行预处理和特征选择后作为预测因素输入模型;然后,用注意力机制对不同时间点的显著特征加权后,利用BILSTM充分挖掘时间序列的全局特征;最后,由CNN得到细粒度的局部特征,提高模型的预测性能.以九寨沟景区的真实数据为对象进行与基准模型的对比实验和消融实验,实验结果表明:在评估指标上,该模型优于单一预测模型;消融实验的结论证明了该模型每一部分对提高预测结果的有效性.
文献关键词：
客流量预测;BILSTM-CNN;注意力机制;景区客流量;深度学习;组合模型;时间序列
中图分类号：
作者姓名：
韩文杰;李勇;李云鹏
作者机构：
首都经济贸易大学 管理工程学院,北京 100070;首都经济贸易大学 工商管理学院,北京 100070
文献出处：
引用格式：
[1]韩文杰;李勇;李云鹏-.基于注意力机制的BILSTM-CNN景区客流量预测模型)[J].现代电子技术,2022(19):105-110
A类：
B类：
注意力机制,BILSTM,景区客流量,客流量预测,流量预测模型,智慧景区,时序性,影响差异,双向长短期记忆,流数据,网络搜索,搜索数据,气数,特征选择,预测因素,不同时间点,显著特征,特征加权,全局特征,细粒度,局部特征,预测性能,九寨沟景区,真实数据,消融实验,组合模型
AB值：
0.303539
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
