目 录
摘 要 I
ABSTRACT II
目 录 II
第1章 绪论 1
1.1背景及意义 1
1.2 国内外研究概况 1
1.3 研究的内容 1
第2章 相关技术 3
2.1 nodejs简介 4
2.2 express框架介绍 6
2.4 MySQL数据库 4
第3章 系统分析 5
3.1 需求分析 5
3.2 系统可行性分析 5
3.2.1技术可行性：技术背景 5
3.2.2经济可行性 6
3.2.3操作可行性： 6
3.3 项目设计目标与原则 6
3.4系统流程分析 7
3.4.1操作流程 7
3.4.2添加信息流程 8
3.4.3删除信息流程 9
第4章 系统设计 11
4.1 系统体系结构 11
4.2开发流程设计系统 12
4.3 数据库设计原则 13
4.4 数据表 15
第5章 系统详细设计 19
5.1管理员功能模块 20
5.2用户功能模块 23
5.3前台功能模块 19
第6章 系统测试 25
6.1系统测试的目的 25
6.2系统测试方法 25
6.3功能测试 26
结 论 28
致 谢 29
参考文献 30
（4）数据可视化：完成数据的获取、处理和存储后，开始进行制作可视化大屏，先制作一个宁夏的地图，然后在地图上显示宁夏地区的各个旅游景点，将宁夏地区的每个旅游景点的数据制作成一个个的图表，将旅游景点的信息与图表相关联，用户点击每个旅游景点查询相关数据图展示效果。采集旅游景 与粒子群算法优化BP神经网络的,支持向量机的旅游景点客流量预测模型的仿真对比测试结果表明,本文模型可以更加准确描述旅游景点客流量变化特点,旅游景点客流量预测误差远小于对比模型, 点客流量历史数据,然后通过引入混沌算法构建了旅游景点客流量预测的学习样本,获得了理想的旅游景点客流量预测预测结果.
（1）数据获取：通过爬虫技术对携程网、去哪儿网等旅游网站中宁夏旅游景点近五年的信息进行爬取，包括宁夏各个景点(贺兰山、沙坡头、影视基地等)的游客人数、每月来宁夏旅游的人数、全国各省来宁旅游人数、每月各省来宁夏旅游人数、对景点的评论及好评率、特产的销售数据、每月特产的销售情况等数据进行爬取。
（2）数据处理：将爬取到的数据通过 技术进行处理，对爬取的数据进行数据清洗操作，处理缺失值、空值等。
（
（6）前端展示：将完成的可视化大屏通过前端的方法进行展示，将可视化大屏制作成网页的形式，使用起来快捷、方便，给用户带来较高的用户体验。
最后引入数据挖掘技术对旅游景点客流量预测进行建模,并引入粒子群算法对旅游景点客流量预测模型参数进行优化.为了提高旅游景点客流量预测准确性,提出了基于数据挖掘的旅游景点客流量预测模型.首先（3）数据存储：将通过爬虫获取到的数据经过数据清洗和处理之后存储在数据库中，同时将可视化分析与数据库表连接，确保数据实时更新。
前端技术：nodejs+vue+elementui,
Express 框架于Node运行环境的Web框架,
语言 node.js
框架：Express
前端:Vue.js
数据库：mysql
数据库工具：Navicat
开发软件：VScode
视图层其实质就是vue页面，通过编写vue页面从而展示在浏览器中，编写完成的vue页面要能够和控制器类进行交互，从而使得用户在点击网页进行操作时能够正常。
代码结构讲解
1、 node_modules文件夹(有npn install产生)
这文件夹就是在创建完项目后，cd到项目目录执行npm install后生成的文件夹，下载了项目需要的依赖项。
2、package.json文件
此文件是项目的配置文件（可定义应用程序名，版本，依赖项等等）。node_modules文件夹下的依赖项是从哪里知道的呢？原因就是项目根目录下的这个package.json文件，执行npm install时会去找此文件中的dependencies，并安装指定的依赖项。
3、public文件夹(包含images、javascripts、stylesheets)
这个文件夹做过Web开发的应该一看就知道，为了存放图片、脚本、样式等文件的。
4、routes文件夹
用于存放路由文件。
5、views文件夹
存放视图。
在自己定义的条件下，采集得到某些网页的信息，比如房价、股票、招聘信息等，对于这些信息，我们可以对数据进行处理，后引入数据挖掘技术对旅游景点客流量预测进行建模,并引入粒子群算法对旅游景点客流量预测模型参数进行优化.与粒子群算法优化BP神经网络的,为了提高旅游景点客流量预测准确性,提出了基于数据挖掘的旅游景点客流量预测模型.首先采集旅游景点客流量历史数据,作为网络搜索引擎的组成成分之一，爬虫能够有效的为我们搜索和爬取有用的信息，减少人工的操作，十分方便， 从而得到我们所需要的信息。
5）算法：在完成的可视化大屏中添加协同过滤算法，对旅游用户进行分析来发现旅游用户的旅游偏好，并预测用户喜欢的旅游地点进行推荐。
本文模型可以更加准确描述旅游景点客流量变化特点,旅游景点客流量预测误差远小于对比模型, 最 然后通过引入混沌算法构建了旅游景点客流量预测的学习样本,支持向量机的旅游景点客流量预测模型的仿真对比测试结果表明, 获得了理想的旅游景点客流量预测预测结果.
