买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于STL和带有注意力机制的LSTM的旅游需求预测方法，包括：从旅游客流量数据中获取初始的时间序列；使用STL分解模型对初始时间序列进行分解，得到3个分解序列；将3个分解序列分别输入到一个共享的注意力层，获得每个序列中不同特征的权重，然后将带有权重的特征作为LSTM的输入；对3个分解序列使用相同参数的LSTM模型进行训练，并分别对它们的测试集进行预测；3个预测结果进入全连接单元；将这3个预测结果相加得到游客达到量的最终预测结果并输出。本发明的优点在于：首先利用STL解决了旅游需求预测过程中由于数据量有限引起的高度复杂的模型中过拟合问题，并形成了一个相对简单的预测过程；其次，运用Attention‑LSTM有效地选择了特征变量和适当的时间步长。

主权项：1.一种基于STL和带有注意力机制的LSTM的旅游需求预测方法，其特征在于，包括下述步骤：步骤1：从旅游客流量数据中获取统计周期内的游客到达量，从而得到初始的时间序列；步骤2：使用STL分解模型对步骤1中的初始时间序列进行分解，得到3个分解序列；步骤3：将步骤2中得到季节序列、趋势序列和剩余序列分别作为输入，输入到一个共享的注意力层，获得每个序列中不同特征的权重，然后将带有权重的特征作为LSTM的输入；步骤4：建立LSTM预测模型，设置三个分解序列的训练集和测试集的比例为8：2；分别对步骤2得到的3个分解序列使用相同参数的带有注意力机制的LSTM模型输入训练集进行训练，并分别对它们的测试集进行预测；步骤5：步骤4中得到的3个预测结果进入全连接单元；步骤6：将这3个预测结果相加得到游客达到量的最终预测结果步骤7：输出预测结果所述步骤2具体包括以下步骤：步骤21:去趋势，假定Ttk为内循环中第k次迭代结束时的趋势分量，用原始序列Yt减去上一次迭代结果的趋势分量Ttk，即Yt′＝Yt-Ttk，当k＝0时的初始值Tt0＝0；步骤22:周期子序列平滑，去趋势序列中的每一个周期子序列都是通过局部加权回归进行平滑，得到一个临时的季节序列，记为步骤23:平滑周期子序列的低通滤波，将一个低通滤波应用于这个滤波器包含一个长度为12的移动平均，一个长度为3的移动平均，然后做局部加权回归，得到结果序列步骤24:去除平滑周期子序列趋势，第k+1次迭代季节分量为其中减去目的是防止低频信息进入季节项；步骤25:去季节项，原始序列Yt通过减掉季节分量得到了一个消除季节化的序列，去季节性序列为步骤26:趋势平滑，在步骤25中获得的去季节性序列Yt″经过局部加权回归平滑处理得到第k+1次迭代中趋势分量Ttk+1；步骤27：判断季节分量和趋势分量Ttk+1是否收敛，若收敛输出季节分量和趋势分量Ttk+1，否则返回步骤21；步骤28：计算剩余分量

全文数据：

权利要求：

百度查询： 安徽大学 基于STL和带有注意力机制的LSTM的旅游需求预测方法