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

开发与研究 | 更新时间：2026-04-21

- 基于PSO-LSTM模型的网站访问量预测研究
- 基于PSO-LSTM模型的网站访问量预测研究
- 电信工程技术与标准化 2025年38卷第6期页码：32-39
- 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
  中图分类号： TP18;TP393.092
- 纸质出版：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]. 电信工程技术与标准化, 2025,38(6):32-39.

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

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).

浏览量

114

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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