【技术实现步骤摘要】
基于PSO和Elman神经网络的客流量预测方法、装置及存储介质
本专利技术涉及数据处理
，具体涉及一种基于PSO和Elman神经网络的客流量预测方法、装置及存储介质。
技术介绍
当前房地产销售案场有各个案场的置业顾问进行客户的接待，同时还负责楼盘销售的宣传、掌握整个楼盘的规划设计和施工管理情况、市场调查、挖掘潜在的客户等等，置业顾问在案场对客户的讲解与是否成交的关系重大，置业顾问的数量都是由管理者按照经验来进行分配，管理者在人员数量的分配上往往不好把握，例如：昨天来看房的人很多，案场接待客户的置业顾问却不够，于是第二天增加置业顾问的数量，但第二天来看房的人数减少，导致过多的分配置业顾问，造成人员的浪费，因此管理者无法精准的判断同一时刻来访客户的数量。
技术实现思路
本专利技术提供了一种基于PSO和Elman神经网络的客流量预测方法、装置及存储介质，能够根据历史数据对一天中案场客流量进行预测，使得管理者可以精准的判断同一时段来访客户的数量，对置业顾问最大化分配。本专利技术采用如下技术方...
【技术保护点】
1.基于PSO和Elman神经网络的客流量预测方法，其特征在于，包括：/n获取前一天的五个时间段的案场客流量数据、当天的节假日情况、当天的天气适宜情况、月份作为一个样本数据，其中，所述五个时间段的每个时间段的时长为两个小时，所述月份为统计的前一年数据中当月的客流量总数占比，定义节假日为1、非节假日为0、天气适宜为1、天气不适宜为0；/n构建Elman神经网络模型，所述Elman神经网络模型包括输入层、承接层、隐含层和输出层；/n获取Elman神经网络中权值、阈值，所述权值、阈值组成的一个D维向量，初始化该向量产生N个粒子，初始化粒子的位置和速度；/n获取多个样本数据，根据多...
【技术特征摘要】
1.基于PSO和Elman神经网络的客流量预测方法，其特征在于，包括：
获取前一天的五个时间段的案场客流量数据、当天的节假日情况、当天的天气适宜情况、月份作为一个样本数据，其中，所述五个时间段的每个时间段的时长为两个小时，所述月份为统计的前一年数据中当月的客流量总数占比，定义节假日为1、非节假日为0、天气适宜为1、天气不适宜为0；
构建Elman神经网络模型，所述Elman神经网络模型包括输入层、承接层、隐含层和输出层；
获取Elman神经网络中权值、阈值，所述权值、阈值组成的一个D维向量，初始化该向量产生N个粒子，初始化粒子的位置和速度；
获取多个样本数据，根据多个样本数据计算Elman神经网络的均方误差，将计算公式作为适应度函数，用适应度函数计算粒子的个体最优值和全局最优值，根据粒子的个体最优值和全局最优值更新粒子的位置和速度；
当达到最大迭代次数和全局最优值满足最小适应值时，得到全局最优权值，将全局最优权值代入构建的Elman神经网络模型，得到训练好的预测模型；
将前一天的五个时间段的客流量数据、当天的节假日情况、当天的天气适宜情况、月份输入训练好的预测模型，得到当天的客流量数据。
2.根据权利要求1所述的基于PSO和Elman神经网络的客流量预测方法，其特征在于，所述获取一天中五个时间段的案场客流量数据，包括：
案场布置的摄像头定时对案场进行拍照；
通过图像处理技术和人脸识别技术对拍摄的案场照片进行对比和识别，清洗出客流量数据；
统计一天中五个时间段的每个时间段的客流量数据。
3.根据权利要求1所述的基于PSO和Elman神经网络的客流量预测方法，其特征在于，所述节假日包括法定节假日及周末，非假日为工作日；所述天气适宜包括晴天、阴天，天气不适宜包括下雨、下雪、狂风。
4.根据权利要求1所述的基于PSO和Elman神经网络的客流量预测方法，其特征在于，构建Elman神经网络模型的网络计算流程包括：
初始化各层权值，将样本各个数据组成向量u输入输入层；
计算隐含层的输入为：net(t+1)＝∑iWi(t)vi(t)，其中，
计算隐含层的输出为：xn(t+1)＝f(net(t+1))，其中，f为S型函数；
计算承接层的输入，所述承接层的输入为上一个节点的输出，为：xc(t)＝f(net(t-1))；
计算输出层的输入为：...
【专利技术属性】
技术研发人员：李琦，宋卫东，
申请(专利权)人：重庆锐云科技有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。