|
突发公共卫生事件冲击下考虑多源异构大数据的旅游需求可解释预测研究
曾宇容, 吴彬溶, 王林, 张金隆
2025 (2):
139-151.
摘要
(
46 )
PDF(9937KB)
(
17
)
本研究利用历史旅游流量数据,新冠病毒感染确诊人数数据,旅游相关和疫情相关的百度指数,天气、节假日数据,设计了考虑突发公共卫生事件冲击下的自然景区每日旅游需求量预测框架。将与疫情相关的搜索引擎数据引入到旅游需求预测中,并提出了ADE-TFT可解释旅游需求预测新模型,其中自适应差分进化算法(adaptive differential evolution,ADE)用来智能高效地优化时域融合变换器(temporal fusion transformers,TFT)的超参数。TFT是一种基于注意力的深度学习模型,它将高性能预测与对时间动态的可解释分析相结合,在预测研究中呈现了优异的性能。TFT模型产生了可解释的旅游需求预测输出,包括不同输入变量的重要性排序以及不同时间步长的注意力分析。可解释实验结果表明,疫情相关搜索引擎数据能够充分反映出新冠疫情期间游客对疫情的担忧程度,研究结果为突发公共卫生事件冲击下的旅游需求高精度预测提供了理论支持。
参考文献 |
相关文章 |
计量指标
|