基于IMPA-RELM的旅游景点客流量预测研究

旅游景点客流量预测是旅游管理领域的重要研究问题,关乎着旅游政策制定和旅游景区经营管理。提出了一种基于改进海洋捕食者算法优化正则化极限学习机的旅游景点客流量预测方法。首先,为自适应地平衡探索与开发状态,提出一种基于群体多样性和群体聚集度的海洋捕食者算法,充分发挥MPA算法探索与开发性能。其次,将改进的海洋捕食者算法用于优化正则化极限学习机(IMPA-RELM)的权重与偏置,以归一化均方根误差作为适应度函数,确定最佳权重和偏置参数。最后,将所构建的IMPA-RELM模型应用于九寨沟和查干湖景区单日客流量预测研究。实验结果表明,所提出的IMPA-RELM模型不仅显著提升了RELM的模型性能,相比于LS-SVM、BPNN和LSTM等基线模型,也具有更强的预测性能与泛化能力,能够为景区运营管理和旅游政策制定提供重要参考。