基于PSO-LSTM模型的网站访问量预测研究

雷雨霄

doi:10.13992/j.cnki.tetas.2025.06.005

Chinese

您当前的位置：

首页 >

文章列表页 >

基于PSO-LSTM模型的网站访问量预测研究

更新时间：2026-04-21

- 基于PSO-LSTM模型的网站访问量预测研究
- Vol. 38, Issue 6, Pages: 32-39(2025)
- 作者机构：
  
  中移物联网有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.06.005
  CLC： TP18;TP393.092
- Published：2025
- 稿件说明：
移动端阅览
雷雨霄. 基于PSO-LSTM模型的网站访问量预测研究[J]. 2025, 38(6): 32-39.
DOI：

雷雨霄. 基于PSO-LSTM模型的网站访问量预测研究[J]. 2025, 38(6): 32-39. DOI： 10.13992/j.cnki.tetas.2025.06.005.

摘要

在当今数字化时代，网站的用户访问量不仅是衡量网站质量和价值的关键指标，更是评估其运营状况的重要依据。用户访问量的变化趋势能够直观地反映出网站的吸引力和用户黏性，因此，深入分析这一趋势并据此制定个性化的运营策略，对于提升网站的整体表现至关重要。本文以某电商的用户访问数据为基础，构建了一种基于粒子群算法的优化长短时记忆网络模型，该模型可以根据输入数据自适应选择最优的网络参数组合，可对用户访问量数据进行分析与预测。实验结果表明，本文所构建的模型在用户访问量预测方面表现出较高的准确性。在测试集上，该模型的均方根误差和平均绝对误差相较于本文所对比的其它模型，分别平均降低了260.775?4和117.669?25，其预测精度显著优于其它模型。

Abstract

关键词

Keywords

references

苏霆.点击流视角下的教育网站用户行为分析——以兰州开放大学网站为例[J].甘肃开放大学学报,2024(03).

方斯顿,刘龙真,孔赖强,牛涛,陈冠宏,廖瑞金.基于双向长短期记忆网络含间接健康指标的锂电池SOH估计[J].电力系统自动化,2024(04).

陈大龙,王计斌.基于CNN-LSTM模型的不满意用户预警研究[J].江苏通信,2023(02).

张明理,张明慧,王勇,武志锴,满林坤.基于DTW-LSTM的短期楼宇电力负荷预测方法[J].沈阳工业大学学报,2021(04).

娄奇鹤,刘虎,谢祥颖,马晓光.融合级联LSTM的短期电力负荷预测[J].计算机工程与应用,2021(18).

王清华,王丽娜,徐颂.融合LSTM结构的脉冲神经网络模型研究与应用[J].计算机应用研究,2021(05).

吴荣火,甘馥榕,李姗姗,秦丹.考研类网站访问量的统计预测模型及其应用[J].玉林师范学院学报,2020(03).

Views

114

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

通信机楼风冷空调AI节能研究与应用

基于多层粒子群算法的数据中心能耗优化调度策略

基于用户分布的5G重叠覆盖智能优化方法研究

Related Author

韩勇

李燕

邓森

李剑

李芳娟

孙晓杰

刘昊儒

余韵滢

Related Institution

中国移动通信集团新疆有限公司

中国铁路乌鲁木齐局集团有限公司乌鲁木齐西站

中国移动通信集团浙江有限公司

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰