基于网络搜索和CLSI-EMD-BP的旅游客流量预测研究

准确的旅游预测对于旅游政策制定当局和游客都具有重要意义,可以帮助资源的合理配置并避免拥堵事件和游客滞留事件的发生.为了提高旅游预测的准确性,本文考虑噪声在预测中的干扰,提出一种基于网络搜索的CLSI-EMD-BP预测模型.该模型首先利用CLSI方法对网络搜索数据进行指数合成,并利用EMD对序列进行噪声处理,将高频噪声从原序列中分离,再利用去噪处理后的网络搜索数据对旅游客流量进行预测.实证分析以九寨沟为例对预测期内未来22周旅游客流量进行预测发现,基于网络搜索的CLSI-EMD-BP预测误差显著低于时间序列、网络搜索和BP神经网络三个基准模型.该结论一方面说明了本文预测模型的改进作用,另一方面也表明了噪声处理在预测中的必要性.     

张家界国家森林公园旅游资源空间承载力

为了实现旅游地的生态环境保护及可持续发展目标,必须确定景区的旅游资源空间承载力,以此对游客管理及旅游资源的开发利用进行有效的调控.本文采用实地调查法,以旅游地资源空间数量、游道长度及分布作为衡量指标,分别对张家界国家森林公园各核心景区的旅游资源瞬时空间容量、日空间容量以及不同季节空间容量进行了测算,在此基础上根据"木桶原理"确定了公园的旅游资源空间承载力.研究表明:公园旅游资源空间承载力夏半年为8200人/d,冬半年为4800人/d,年均承载量为244.2万人次.以上结果可为张家界国家森林公园的入园游客人数及旅游资源的利用控制与管理提供参考依据.     

基于互联网搜索指数的多因素集成下人民币汇率预测

针对人民币短期汇率预测问题,构建了基于互联网大数据信息的互联网搜索指数,改进了人民币汇率短期预测CAR模型.首先,基于涵盖丰富信息的互联罔大数据,构建了反映大众关于汇率波动观点、情绪及预期的互联网搜索指数,并运用热最优路径(TOP)方法、去趋势交叉相关分析(DCCA)方法对指数的有效性进行了检验,结果表明该指数可以有效地表征出大众情绪和预期的变化.进一步地,利用所编制的互联网搜索指数对人民币汇率的短期预测模型进行改进,构建了融合互联网搜索指数的CAR模型.实证结果表明,融合互联网搜索指数的人民币汇率短期CAR预测模型可以有效提升短期汇率的预测精度.     

基于网络信息搜索的旅游需求预测——来自黄金周的证据

基于旅游需求预测和信息搜索理论,结合黄金周期间景区的旅游数据和网络搜索数据,探讨了网络信息搜索在旅游需求预测中的潜在作用。实证研究结果显示,网络信息搜索与旅游需求之间存在显著的正相关关系。相对于自回归基准模型,基于网络信息搜索的模型能够显著提高旅游需求预测的准确性,在MAE和RMSE这2个指标上样本外预测精度分别提高约41%和43%。     

合图法（co-plot）在入境游客期望感知分析的应用——以西安欧美游客为例

选取西安欧美客源为研究对象,运用合图法(co-plot)分析西安欧美游客的期望和实际感知特点,并同几种传统数据分析方法比较,结果得出从西安旅游两个层面28个因素,分析欧美游客期望、实际感知和期望差异三个属性特点,并运用合图技术划分为八组.和图法具有更强的图形展示功能,且同时分析研究对象及其属性,而传统方法常常把两者隔离开来.     

基于大数据的城中村C~2I~2O设计与警力配备模型

首先运用网格化管理技术将城中村划分为若干单元格,其次通过物联网与互联网技术收集治安风险数据,然后利用移动互联网收集城中村外来人口信息,通过智慧城市大数据挖掘技术,形成治安数据与电子地图相结合的可视化信息;用i-beacon技术设置可提供公共服务的虚拟地理围栏;建立了城中村C~2I~2O模型和警力配备模型;通过定义k-关联事项和频繁关联事项,对城中村常见犯罪行为进行频繁关联事项规则挖掘.最后以贵阳市云岩区构建社区治安防控网智慧城市的设计为实例,从网格化管理、物联网技术、建立城中村信息大数据库以及公共服务四个方面对该市的治安风险管理进行案例分析,计算了相应的警力数配备.本研究为城中村的智慧化和警力数配备提供一种科学管理方法.     

互联网搜索指数构建新方法及国际油价实证研究

针对大规模互联网搜索数据的多维特性,本文引入动态因子模型思想,构建反映更多关键特征的搜索指数,并使用生物信息学中因果分析方法对指数进行评价.将该指数构建及评价方法应用到国际原油现货和期货价格的分析中,与已有研究相比,本文构造的指数更能全面反映原油市场动态.实证结果表明:本文所构造的搜索指数与原油现货及期货价格均存在显著的因果关系,并能准确探测原油价格的拐点.该方法不仅可用于对国际油价的分析,也易于扩展到其他领域价格分析及预测中.     

大数据营销:综述与展望

随着追踪消费者足迹能力的增强,营销科学正经历着一场大数据的革命.为了了解大数据背景下消费者行为和营销战略的改变,此项研究结合近十余年大数据营销的有关文献,梳理了大数据营销的相关概念,类型及分析方法,并提炼出搜索、移动、口碑、数字化、APP和社会媒体等50个大数据营销的热门主题.在此基础之上,分别从互联网、社会网络、移动互联网、大数据和人工智能等四个阶段对大数据营销的研究进展进行回顾,最后围绕客户旅程,营销活动的量化评估和营销分析技术的开发三个方面对大数据营销的未来研究方向进行展望.     

基于信息技术的农业旅游服务能力提升研究

信息技术在旅游业的应用主要是互联网技术,并表现出有效的促进作用,农业旅游作为新兴的旅游形式,有着巨大的发展潜力。在分析我国农业旅游的特点以及信息技术应用现状的基础上,提出了基于信息技术的农业旅游服务能力提升设计方案。从农业旅游景点的布局设计和线路规划、景点的推广宣传手段、管理经营方式方面,详细分析了运用信息技术的应用效果、具体技术手段,甚至详细的设计方案,旨在为我国农业旅游发展从信息技术角度提供指导意见。     

基于PRI变换的雷达脉冲序列搜索方法

在面对复杂的雷达信号环境时,准确搜索到雷达脉冲可以为雷达调制特征识别、测向定位提供有效的数据基础，对此提出了一种基于脉冲重复周期(pulse repetition interval, PRI)变换法的脉冲序列搜索办法。利用PRI变化法在高脉冲丢失率情况下,求出最有可能的PRI,根据此PRI值,结合本文提出的序列搜索方法对脉冲流中的脉冲进行套取。通过双阈值搜索,减少由于脉冲密度过大导致阈值设定不当而搜索到错误脉冲的情况。最后通过数据仿真,能够有效分选出参差、抖动、捷变频等雷达信号。     

Exploring the Linear and Nonlinear Causality Between Internet Big Data and Stock Markets

In the era of big data, stock markets are closely connected with Internet big data from diverse sources. This paper makes the first attempt to compare the linkage between stock markets and various Internet big data collected from search engines, public media and social media. To achieve this purpose, a big data-based causality testing framework is proposed with three steps, i.e., data crawling,data mining and causality testing. Taking the Shanghai Stock Exchange and Shenzhen Stock Exchange as targets for stock markets, web search data, news, and microblogs as samples of Internet big data, some interesting findings can be obtained. 1) There is a strong bi-directional, linear and nonlinear Granger causality between stock markets and investors' web search behaviors due to some similar trends and uncertain factors. 2) News sentiments from public media have Granger causality with stock markets in a bi-directional linear way, while microblog sentiments from social media have Granger causality with stock markets in a unidirectional linear way, running from stock markets to microblog sentiments.3) News sentiments can explain the changes in stock markets better than microblog sentiments due to their authority. The results of this paper might provide some valuable information for both stock market investors and modelers.     

旅游资源需求函数模型及应用

自然旅游资源生态系统在人类活动中弱化了自支持能力, 基于社会福利经济学原理的旅游者对旅游资源的价值补偿研究逐渐成为热点.基于旅游者显示性(行为)和陈述性(意愿)偏好实证数据, 通过需求函数, 研究非市场社会(准)公共品自然旅游资源经济价值, 以反应旅游者享受旅游资源的价值补偿.采用需求函数的连续型函数、Box-Cox模型和计数模型形式系统分析显示性偏好数据, 指出半对数、Box-Cox Ⅰ 型和负二项分布计数模型的需求函数具有较大优势; 并用它们分析陈述性偏好数据.提出整合旅游者的显示性和陈述性数据需求函数模型分析旅游资源破坏与改善导致的价值补偿和可持续发展问题, 并给出大连滨海旅游资源分析案例.     

A Case Study on Xiamen-TSA(1998)in China

1 Background of the ResearchSince the l990's, tourism activities have been spreading rapid1y and wide1y in China. As anew economic and social phenomenon, the tourism'S impact on the economy has beendrawn more attention from businesses and the central or local government. There is anurgent need for a new method to measure the importance of tourism on economy. It is onlyTSA that could bare the task with a much better credibility and a systematical perspective.This pi1ot research is the first …     

基于信任的真实数据判定方法

互联网已经成为人们获取信息的重要来源, 然而互联网上提供的信息并不全是正确的, 甚至很多信息是相互冲突的. 这种情况一方面是因为很多数据源自身的数据来源也不可靠, 甚至是随意地复制得来的; 另一方面则是因为很多数据源在处理数据的过程中产生了错误, 导致不同的数据源提供的往往是互相矛盾的信息. 不真实信息将会导致使用者决策失误进而给他们造成重大的损失, 因此真实数据的判定是一个非常重要的研究热点. 该研究提出了一种基于信任的方法TruData来找出真实的数据. TruData方法基于数据源相似度构建数据源信任网络, 通过信任网络对数据源和数据项的信任度进行计算, 实现对互联网数据真实度的判定. 实验表明,该方法在对丰富数据集进行真实数据判定方面具有良好的效果.     

大数据:数据驱动下的工程项目管理新视角

如何在高维度情况下对大数据开展统计学习、预测和优化,实现数据驱动决策,是当前管理科学与系统工程所面临的重要问题.为探索如何将大数据的理论方法应用于工程项目管理,本文首先对"数据驱动决策"的价值链进行了分析,然后,构建了基于大数据的工程项目管理三维结构模型,提出从时间维(项目生命周期各阶段)、领域维(项目各管理领域)和方法维(大数据分析方法)三个维度,推动大数据技术在工程项目中的研究和应用.进一步,分析了项目生命周期各阶段所涉及的数据类型,分析了大数据方法在工程项目各领域的应用前景.最后,结合案例阐述了大数据技术的应用,并讨论了有待研究的关键科学问题.     

一种相干信号源分布式目标波达方向估计方法

针对相干信号源分布式目标，在具体的空间信号分布函数形式未知的情况下，提出了一种基于盲辨识的分布式目标波达方向(DOA)估计方法。它不用进行多维参数搜索，并且适用于非均匀线阵和点目标与分布式目标同时存在或空间信号分布函数形式不同的分布式目标同时存在的情况。理论分析和仿真实验结果表明，这种高分辨的分布式目标DOA估计方法的估计性能对相干分布式目标信号源的分布特性是不敏感的。     

对旅游市场需求的灵活快速反应与管理创新

提出了适应世界旅游业发展的创新思路：建立灵活快速反应的旅游生产服务系统。论述了该系统的系统目标, 深入分析了系统对旅游业发展的贡献；分析了灵活快速反应的旅游生产服务系统管理创新机理, 指出了这个系统的建立是实现政府行政协调机制对市场协调机制的替代, 对于规范旅游企业的市场行为意义重大。     

需求季节性变动的血液库存系统仿真研究

以国内某大型医院的血液库存系统为对象,建立了一个离散事件系统仿真模型,根据该血液库存系统运行的历史数据统计得到模型中参数的分布规律,通过仿真模型的重复运行得出了系统的最优订货点.考虑到该系统需求季节性变动的特征,对模型进行了改进,提出了一个预期订货点模型,仿真实验表明预期订货点策略能更有效地降低库存成本.本文的研究有助于血液库存管理措施的制定与改进,对其它易变质物品库存管理也有一定的借鉴作用.