基于网络搜索指数与深度学习框架的旅游需求预测

作     者：李明琛 

作者单位：兰州大学 

学位级别：硕士

导师姓名：严定琪

授予年度：2021年

学科分类：0202[经济学-应用经济学] 02[经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 

主      题：旅游需求预测 搜索引擎数据 栈式自编码器 双向门控循环神经 

摘      要：旅游需求预测在旅游管理领域是一个瞩目的主题,其准确性与稳健性深刻地影响着管理者的决策与行业参与者的规划。本研究自三个方面对当下预测现状进行拓展,第一,引入强有力的外生变量-搜索引擎数据,一种新兴于诸多领域且与预测变量有紧密联系的特征项;第二,采用有效稳定的特征处理方法-栈式自编码器(Stack autoencoder,SAE),一种基于深度学习框架的数据降维算法;第三,训练高效精准的预测模型-双向门控循环神经网络(Bidirecitional gated recurrent unit neural network,Bi-GRU),可以极好地采集时间序列信息的深度学习模型,最终构建一个集成预测模型(即SAE-Bi-GRU)。本文以香港游客到达量作为实例,以多种评价指标与有效的统计检验,验证了基于深度学习框架可以在提取与处理数据特征和提升预测精度方面发挥令人满意的效果;同时,双向门控循环神经网络在不考虑搜索引擎数据的前提下优于其他的基准模型,其后在附上搜索引擎数据后,本文所提出的集成预测模型(SAE-Bi-GRU)明显优于所有基准模型。