摘要
针对旅游大数据多源异构、时空关联的特性及传统预测模型适应性不足的问题,本文提出了融合多模态数据与混合架构的智能预测模型。通过构建双通道嵌入层实现文本语义特征与数值特征的交叉注意力融合,设计长短期记忆网络-自回归积分滑动平均模型(LSTM-ARIMA)的联合模型分别捕获非线性残差与线性趋势,结合门控循环单元(GRU)动态调节模型权重。采用贝叶斯优化与课程学习策略提高训练效率,引入季节性惩罚项与动态权重指标强化关键时段的预测精度。通过实证研究,为智慧旅游管理提供了兼顾精度与鲁棒性的算法解决方案。
出处
《科技视界》
2025年第17期4-7,共4页
Science & Technology Vision
基金
2023年度第一批贺州市科学研究与技术开发项目(贺科技2023090)。
