检索结果-南通市图书馆

基于旅游学角度的游客量预测模型构建及其实证研究

在线全文

学校读者我要写书评

暂无评论

生态经济 2008年第4期24卷 124-127,132页

作者：杨春宇黄震方毛卫东南京师范大学地理科学学院

对旅游地游客量的预测研究,本文先构建基于旅游学基础的理论公式,再运用相应的数理统计方法进行数据处理以预测旅游地未来游客量变化趋势。在研究中引入游客量增长"速度"和"加速度"概念以及其他相关变量,构建了旅游地游客量的理论模型,... 详细信息

对旅游地游客量的预测研究,本文先构建基于旅游学基础的理论公式,再运用相应的数理统计方法进行数据处理以预测旅游地未来游客量变化趋势。在研究中引入游客量增长"速度"和"加速度"概念以及其他相关变量,构建了旅游地游客量的理论模型,赋予模型中各常数项以旅游学涵义及模型运用条件,结合旅游地生命周期理论探寻旅游地游客量最大值及到达时间的预测问题,在研究理论和方法上取得了一定的进展。

关键词：旅游预测旅游地生命周期理论模型数理统计方法

在线全文

学校读者我要写书评

暂无评论

使用Google趋势预测旅游需求

使用Google趋势预测旅游需求

作者： CLAUDE UWIMANA 北京交通大学

学位级别：硕士

通过网络爬虫获取网络空间数据以分析和预测物理世界的宏观事件是近年来十分重要的研究方向。本论文面向旅游业需求研究了如何利用谷歌趋势统计的网络搜索信息来预测物理世界的真实游客数量。世界各地的旅游业在迅猛发展中:荷兰的旅游... 详细信息

通过网络爬虫获取网络空间数据以分析和预测物理世界的宏观事件是近年来十分重要的研究方向。本论文面向旅游业需求研究了如何利用谷歌趋势统计的网络搜索信息来预测物理世界的真实游客数量。世界各地的旅游业在迅猛发展中:荷兰的旅游业占国民生产总值的9%,其首都阿姆斯特丹是一个非常美丽的城市,有着郁金香、沟渠、游艇和各种展览馆。有许多著名的画家都生活在阿姆斯特丹,游客可以在这里的画廊里发现许多备受赞誉的杰作。阿姆斯特丹的旅游业对整个荷兰的经济发展贡献很大。因此,准确预测阿姆斯特丹的游客数量具有重要的实际意义。本文的研究思路是利用谷歌趋势信息来预测阿姆斯特丹的旅游业需求。具体的,我们利用Touristjourney对搜索查询词进行拓展和筛选,然后通过GoogleSearch Query利用谷歌趋势Google Trends返回的与查询词相关的搜索统计信息分析真实游客数量的相关性并训练得到隐马尔科夫模型;在测试阶段,将搜索参数归集到Google Trends中,获得查询词列表和对应的Google Trends信息,进而通过训练的隐马尔科夫模型进行游客数量预测。这项研究发现,谷歌趋势提供的信息对于确定阿姆斯特丹的旅行者数量是有价值的,通过使用合适的关键词和对应的谷歌趋势信息,本文所训练的隐马尔可夫模型可以较好地预测CBS Statline(2018)中的旅游者数量。在使用本文所提出的模型时,研究人员需要利用与阿姆斯特丹旅游业相关的搜索查询(关键词),利用谷歌趋势编程接口(API)提取相应搜索统计信息,进而应用我们提出的隐马尔可夫模型,预测阿姆斯特丹旅行者未来一个月的数量。以下个月到达阿姆斯特丹的游客为目标,通过google趋势信息索引中的日期、游客数量、区域三个数据参数进行预测,得出的结果为阿姆斯特丹游客数量。从2016年5月29日到2018年12月31日,共有来自五个国家(英国、德国、法国、比利时、瑞典)的265307名搜索者,使用了六个预测性搜索查询(分别为:“阿姆斯特丹、阿姆斯特丹酒店、访问阿姆斯特丹、旅行阿姆斯特丹、城市之旅阿姆斯特丹、假日阿姆斯特丹”)。利用隐马尔可夫模型对阿姆斯特丹的旅游人数进行了训练和测试。由于HMM的性能可以通过覆盖范围的参数来调整,因此我们在1.0和0.1之间设置了3个值来评估HMM,较小的CB值意味着HMM对预测输出的限制更大,从而导致较小的错误率。与现有的两种方法,即向量自回归(VAR)和人工神经网络(ANN)相比,我们所提出的HMM方法获得了最佳结果。使用谷歌查询趋势实时预测旅游数据的优势在于:首先,查询趋势可以使用最新信息,直到预测计算的前一天,在这种情况下,相对于官方统计发布的滞后数据,具有很高的实时性;其次,查询趋势信息覆盖面更完整,相比传统统计信息聚焦某个局部,查询趋势信息可以从多个角度进行辅助分析。我们对CBS上阿姆斯特丹游客的真实数据进行的实验表明,本文所提出的基于谷歌查询趋势的隐马尔科夫HMM方法不仅优于传统方法,而且为旅游预测提供了更多的可控性。

关键词：社交媒体文本挖掘谷歌趋势旅游预测隐马尔可夫模型

融合线性及非线性回归方法的旅游时空变化趋势预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合线性及非线性回归方法的旅游时空变化趋势预测

作者：郭星宇江西理工大学

学位级别：硕士

旅游人数的增加在促进旅游业蓬勃发展的同时也要求旅游相关管理部门提升自身的管理水平和业务能力,让旅游者的游览体验和人身安全得到保障。基于旅游趋势预测模型的预测结果,在波峰时期通过提前增加服务人员数量来提升游客的游览体验,... 详细信息

旅游人数的增加在促进旅游业蓬勃发展的同时也要求旅游相关管理部门提升自身的管理水平和业务能力,让旅游者的游览体验和人身安全得到保障。基于旅游趋势预测模型的预测结果,在波峰时期通过提前增加服务人员数量来提升游客的游览体验,而在波谷时期则基于长远的预测结果开展景区基础设施建设,有利于景区的旅游品质得到不断的提升,以赢得持续发展。因此,开展旅游趋势预测研究对提升旅游相关管理部门的科学管理水平具有促进作用。本文提出了一个基于变量时空特征和组合模型的旅游趋势预测框架,通过对九寨沟的旅游趋势进行预测,确定该预测框架具有可行性和优秀的预测能力。实证研究选择“九寨沟”的百度指数作为解释变量的来源,九寨沟每日旅游人数作为被解释变量的来源,通过分析百度指数与旅游人数的时空特征,依据数据的时空特征分别构建出具有空间结构的解释变量和时间特征更鲜明的被解释变量,使得解释变量的解释能力得到提升的同时降低被解释变量的预测难度。本文的实证研究由以下部分构成:(1)对分地区收集到的百度指数采用标准差椭圆来分析空间分异特征,再使用结合经济距离的空间聚类方法进行聚类;(2)对空间聚类结果使用主成分分析法,直接使用分地区收集到的百度指数作为解释变量会产生严重的多重共线性问题,使用主成分作为解释变量能让解释变量的数量和相关关系减弱,以实现削弱多重共线性的目的;(3)对九寨沟每日旅游人数数据采用时间序列分解法进行处理,分解后得到时间变化特征更鲜明和简洁的趋势分量、周期分量和余项分量,使用趋势分量和余项分量作为被解释变量,依据分量所具有的时间变化特征针对性的采用不同预测方法进行预测,有助于降低被解释变量的预测难度;(4)使用线性和非线性回归方法构建组合模型对旅游趋势进行预测,使得组合模型对具有复杂变化特征的预测对象具备优秀的趋势预测能力。组合模型使用岭回归方法对趋势分量进行预测,使用XGBoost方法预测余项分量,实现了线性和非线性的组合,预测值和周期分量的累加和就是九寨沟旅游趋势的预测结果。同时经过计算确定“九寨沟”百度指数与九寨沟旅游趋势之间存在2天的滞后期,使得九寨沟旅游趋势预测模型可以提前2天得到预测结果,增加了旅游趋势预测模型的可用性。线性和非线性组合模型对九寨沟旅游趋势的部分预测评分如下:训练集的R得分为0.88,RMSE得分为3202;验证集的R得分为0.76,RMSE得分为4762。组合模型的训练集与测试集的评分体现出组合模型具有优秀的拟合和样本期外预测能力。组合模型能对旅游趋势波峰和波谷的出现时间和持续时间实现准确预测,使得组合模型能识别出旅游趋势变化的转折点,让组合模型能在景区接待能力调节和游客分流上发挥决策支持作用。通过对九寨沟旅游趋势分别单独使用岭回归、XGBoost和ARIMA模型进行预测,对比不同模型的预测结果确定组合模型具有最优秀的预测能力,体现出组合模型相比基于单一方法的预测模型更具优势性。本文与过往的研究相比存在以下创新性:1)以省级行政区为空间范围分别收集搜索引擎数据,研究了搜索引擎数据的空间特征并依据空间特征来增强搜索引擎数据对旅游趋势变化的解释能力;2)对旅游人数数据进行时间序列分解得到分量数据,采用时间特征更鲜明的分量数据作为被解释变量,降低了预测难度,并对线性和非线性的预测方法进行组合,采用组合模型预测旅游趋势的变化,预测结果显示组合模型对具有复杂变化的旅游趋势有优秀的拟合能力和预测能力。

关键词：百度指数时空特征经济距离旅游预测组合模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

清明假期，来一趟“快旅慢游” 007

清明假期，来一趟“快旅慢游”

基于灰色理论和马尔科夫修正的旅游需求预测——以云南省旅游市场为例

陕西日报

作者：李卫

清明假期在即，旅游市场迎来小高峰。携程发布的《2024年清明节旅游预测洞察》报告显示，西安再次成为清明假期的热门目的地。陕西各地多元化文化旅游产品吸引游客前来踏青赏花，体验乡村游与当地特色文化。西安旅游订单预订量同比增... 详细信息

清明假期在即，旅游市场迎来小高峰。携程发布的《2024年清明节旅游预测洞察》报告显示，西安再次成为清明假期的热门目的地。陕西各地多元化文化旅游产品吸引游客前来踏青赏花，体验乡村游与当地特色文化。西安旅游订单预订量同比增长279% 清明假期正值踏青赏花的好时节。?

关键词：西安旅游目的地旅游节旅游预测油菜花出境游入境游

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

重庆工商大学学报（自然科学版） 2016年第4期33卷 58-68页

作者：曾冬玲喻科赵清俊重庆师范大学数学学院重庆401331 重庆师范大学涉外商贸学院重庆401331 重庆师范大学经济与管理学院重庆401331

基于灰色模型,以云南省旅游市场为例,对未来进行了短期定量预测,并在此基础上进行了马尔科夫修正;经过模型的运算和多重检验过程,得出了未来三年国内、海外和总市场需求的预测值,并发现,未来三年云南省的旅游总需求将强势回暖,并保持稳... 详细信息

基于灰色模型,以云南省旅游市场为例,对未来进行了短期定量预测,并在此基础上进行了马尔科夫修正;经过模型的运算和多重检验过程,得出了未来三年国内、海外和总市场需求的预测值,并发现,未来三年云南省的旅游总需求将强势回暖,并保持稳定增长态势;海外需求在2015年迎来爆发式增长,之后又出现回落并趋于平稳;国内游客所占的比重将越来越大,而海外游客所占的比重将越来越小;根据这些结果,提出了相应的政策建议。

关键词：灰色理论 Markov修正旅游预测

基于搜索大数据的旅游需求自回归分布滞后模型预测研究

在线全文

学校读者我要写书评

暂无评论

生产力研究 2018年第2期 15-22页

作者：梁宗经旷芸广西师范大学计算机科学与信息工程学院广西桂林541004 桂林师范高等专科学校广西桂林541001

基于搜索引擎的搜索指数记录了关于某一关键字或某个类别的用户搜索历史,这些时间序列数据可为经济活动的预测提供原始实时依据。文章通过引入搜索大数据构建自回归分布滞后模型(即ARDL模型)预测旅游需求。具体研究内容是以美国2004年1... 详细信息

基于搜索引擎的搜索指数记录了关于某一关键字或某个类别的用户搜索历史,这些时间序列数据可为经济活动的预测提供原始实时依据。文章通过引入搜索大数据构建自回归分布滞后模型(即ARDL模型)预测旅游需求。具体研究内容是以美国2004年1月至2016年9月入境中国香港旅游人数为因变量、搜索指数的滞后变量为自变量建立自回归分布滞后模型,并进行预测分析。实证结果表明,搜索指数与入境旅游数具有正向相关关系,搜索指数可以提高旅游预测精度。研究结果可为网络信息计量学理论、旅游管理预测提供实证数据参考。

关键词：搜索大数据旅游预测 ARDL模型

在线全文

学校读者我要写书评

暂无评论

旅游收入预测方法的比较

许昌学院学报 2018年第8期37卷 4-6页

作者：徐林闫海霞阳泉师范高等专科学校数学系山西阳泉045000 西安理工大学高科学院陕西西安710019

为更好地预测旅游收入,分析国内旅游的发展情况,本文就国内旅游收入,选取影响旅游收入的因素旅行社、铁路里程数、居民人均旅游花费等建立统计回归模型,同时以2004~2014年的旅游收入为原始数据列构建灰色预测模型.分析两种模型对旅游收... 详细信息

为更好地预测旅游收入,分析国内旅游的发展情况,本文就国内旅游收入,选取影响旅游收入的因素旅行社、铁路里程数、居民人均旅游花费等建立统计回归模型,同时以2004~2014年的旅游收入为原始数据列构建灰色预测模型.分析两种模型对旅游收入预测结果,预测结果显示统计回归模型的预测精度要高于灰色预测模型.

关键词：旅游预测统计回归模型灰色预测模型

在线全文

学校读者我要写书评

暂无评论

基于灰色理论的陇南市旅游人数预测

甘肃科技纵横 2019年第4期48卷 59-61页

作者：程军锋陇南师范高等专科学校数信学院甘肃陇南742500

随着人民生活水平的提高和生活方式的转变,人们越来越注重旅游,观光旅游和休闲度假旅游已成为当前的主要度假方式。旅游过程不但有利于人们身心健康发展,而且促进精神境界得到提升。与此同时,旅游也可以助力精准扶贫,实现对当地经济的... 详细信息

随着人民生活水平的提高和生活方式的转变,人们越来越注重旅游,观光旅游和休闲度假旅游已成为当前的主要度假方式。旅游过程不但有利于人们身心健康发展,而且促进精神境界得到提升。与此同时,旅游也可以助力精准扶贫,实现对当地经济的带动作用。以预测陇南市未来旅游人数为研究目的,基于灰色系统理论预测旅游人数,以2009年至2017年陇南市旅游人口为初始数据,通过建立GM(1,1)模型对未来六年陇南市旅游人数进行了预测,从而反向指导旅游开发,预测结果显示在未来几年陇南市旅游人数呈逐年增加,而且有仍将继续上升的趋势。

关键词：灰色理论旅游预测 GM(1,1)

在线全文

学校读者我要写书评

暂无评论

组合模型预测浙江省旅游需求

硅谷 2010年第5期 118-119页

作者：刘影涂靖何航武汉大学电子信息学院华中科技大学华中师范大学

根据中国统计年鉴公布的数据,建立基于时间序列ARIMA模型和BP神经网络组合模型对旅游需求进行预测。首先,建立ARIMA模型对浙江省旅游需求进行分析预测。然后,将得到的预测误差序列作为BP神经网络模型的输入值,进一步减小相对误差,综合AR... 详细信息

根据中国统计年鉴公布的数据,建立基于时间序列ARIMA模型和BP神经网络组合模型对旅游需求进行预测。首先,建立ARIMA模型对浙江省旅游需求进行分析预测。然后,将得到的预测误差序列作为BP神经网络模型的输入值,进一步减小相对误差,综合ARIMA模型的预测结果和BP模型得到的预测误差,获得精确度较高的旅游需求预测模型。最后,与灰色系统GM(1,1)的预测结果进行比较。

关键词：旅游预测 ARIMA模型 BP神经网络灰色系统GM(1,1)