改进粒子群优化BP神经网络的旅游客流量预测

旅游客流量受多种因素影响，传统的时间序列预测模型无法描述预测对象的规律，人工智能方法如 BP 神经网络，其结构的选择过多依赖经验，基于此提出了利用改进的粒子群算法优化 BP神经网络，通过惯性因子的非线性递减来改善粒子群的寻优性能。将该预测模型应用于自贡灯会的客流量进行实际预测分析，通过对150组训练样本和50组测试样本的实验仿真，可知改进后的方法提高了预测结果的准确度，并且涉及参数少、简单有效。