[發明專利]基于優化遺傳算法的景區短期客流量的預測方法及系統

在審

• 申請號: 201911229110.4
• 申請日: 2019-12-04
• 公開（公告）號: CN111062524A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 陸文星;芮海東;梁昌勇;董駿峰;蔣麗;趙樹平;顧東曉;王彬友
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/14;G06N3/04;G06N3/08;G06N3/12
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;劉兵

1.一種基于優化遺傳算法的景區短期客流量的預測方法，其特征在于，所述方法包括：

獲取與所述景區短期客流量相關的影響因素的歷史數據；

根據所述影響因素的種類確定CNN-LSTM模型中的CNN模型的卷積層、池化層的數量以及LSTM網絡的層數；

對所述卷積層和池化層執行批量標準化操作；

確定所述CNN模型和所述LSTM網絡的每個卷積層和池化層的神經元的數量的取值范圍；

隨機生成每個所述卷積層和所述池化層的所述神經元的多個數量值以形成初始的種群；

根據公式(1)計算所述種群的每個個體的適應度，

其中，F為所述適應度，E為測試所述CNN模型和所述LSTM網絡的誤差，α為預設的所述卷積層的神經元的數量對預測結果的影響系數，n_conv為當前的個體的所述CNN模型中的神經元的數量，n_lstm為當前的個體的所述LSTM網絡的神經元的數量，n_all為當前的個體的所述CNN模型和所述LSTM網絡的神經元的總數量；

判斷迭代次數是否大于或等于預設的次數閾值；

在判斷所述迭代次數小于所述次數閾值的情況下，按照所述適應度從高到低的順序從所述種群中篩選出預定比例的數量的個體；

對篩選出的所述個體按照所述適應度從高到低的順序依次執行變異和交叉操作；

將執行完交叉操作的所述個體分別輸入所述CNN-LSTM模型中，并采用測試集測試所述CNN-LSTM模型以得到對應的所述誤差；

更新迭代次數并再次采用公式(1)計算所述種群的每個個體的適應度；

在判斷所述迭代次數大于或等于所述次數閾值的情況下，輸出所述適應度最高的所述個體以作為最優解；

將所述最優解輸入所述CNN模型和LSTM網絡，并采用所述CNN模型和所述LSTM網絡預測所述景區短期客流量。

2.根據權利要求1所述的預測方法，其特征在于，所述影響因素包括每日客流量、天氣指數、門票數量以及百度指數中的至少一者。

3.根據權利要求1所述的預測方法，其特征在于，對所述卷積層和池化層執行批量標準化操作具體包括：

對所述卷積層和所述池化層執行歸一化操作。

4.根據權利要求1所述的預測方法，其特征在于，所述誤差的初始值為1。

5.一種基于優化遺傳算法的景區短期客流量的預測系統，其特征在于，所述預測系統包括處理器，所述處理器用于執行如權利要求1至4任一所述的預測方法。

6.一種存儲介質，其特征在于，所述存儲介質存儲有指令，所述指令用于被機器讀取以使得所述機器執行如權利要求1至4任一所述的預測方法。