基于ARIMA与灰色马尔科夫模型的三亚市交通客流量预测研究

为了较为全面、客观、准确地预测城市的交通客流量,对三亚市旅游统计数据2012-2017年每月的交通客流数据进行分析,在数据整理的基础上,主要采用ARIMA模型和灰色马尔科夫模型对2012-01—2017-12月三亚的交通流量分别进行拟合仿真,并对2018年每月的客流进行了趋势外推预测;结果表明:采用ARIMA预测模型所获得的平均绝对百分误差为4. 42%,采用灰色马尔科夫模型获得的平均绝对百分误差为3. 78%,表明两种预测具有较高的精度;最后利用灰色马尔科夫模型进行趋势外推预测,得出三亚市2018年交通客流预计近3 600万,预测结果对三亚市旅游、交通等行业制定政策能起到积极的作用。     

基于数据驱动的旅游需求预测研究

合理预测景区客流量不仅可以为景区提供参考,更是旅游治理体系和治理能力现代化建设的内在要求。基于九寨沟风景区官网于2012年5月至2021年5月披露的每日客流量数据,运用Python爬取与九寨沟旅游相关的搜索行为数据和九寨沟每日平均气温,构建ARIMA、SVR模型和加入百度搜索指数与日平均气温的LSTM神经网络模型,对九寨沟风景区客流量进行拟合和预测。结果表明,LSTM神经网络模型预测精度高于ARIMA和SVR模型,加入百度搜索指数和日平均气温的LSTM神经网络模型可以显著提升客流量预测精度。     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的APSO去优化BP神经网络——APSO-BP的组合预测模型,用DBN模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络（DBN-APSOBP）组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的自适应惯性权重优化的粒子群算法(APSO)去优化误差反向传播神经网络(BP)神经网络——APSO-BP的组合预测模型,用深度置信网络(DBN)模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。     

基于支持向量回归的旅游客流量预测

建立以支持向量回归方法为基础的旅游客流量预测模型。以我国深圳市2002年1月到2005年12月的旅游客流量的月度数据作为学习样本,分别选用两种不同的核函数,对学习样本进行建模和预测,并比较选取不同的两个核函数对样本进行预测的效果,说明支持向量回归用于月度旅游客流量预测的有效性。     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

上海市四个主要境外旅游客源市场的灰色预测模型

通过对上海市主要境外旅游客源市场游客数量的分析 ,根据客流量与时间的关系 ,利用灰色系统理论建立了GM( 1 ,1 )灰色预测模型 ,其研究模型不仅与实际客流量相吻合 ,还可以对未来几年客流量进行预测     

昆明市亚太地区主要旅游客源及特征分析与预测

通过对昆明市亚太地区主要客源国的客流量及旅游特征的分析,研究了昆明境外游客的群体特征;并根据客流量与时间的关系,利用时间序列法和灰色系统理论,建立了动态模型．其研究模型不仅与实际客流量相吻合,还可对未来几年客流量进行预测．     

基于LOF-SSA-PSO-LSSVM模型的旅游客流量预测

针对月度旅游客流量影响因素复杂，时间序列数据中可能存在异常值和噪声的特点，提出了一个基于局部异常因子(LOF)和奇异谱分析(SSA)的LOF-SSA-PSO-LSSVM预测模型.数据预处理阶段，对原始序列运用X12季节加法模型消除季节性的影响，采用LOF方法检测季节调整后序列的异常值，并使用线性插值和最小二乘支持向量机(LSSVM)方法来修正异常值，新的待预测序列由修正后的季节调整序列与季节因子序列加和得到.预测阶段，首先采用奇异谱分析(SSA)方法来剔除新的待预测序列中的噪声，然后采用PSO-LSSVM方法对其进行预测.以上海2004年1月至2018年12月旅游客流量序列的预测为例，通过与ARIMA、LSSVM等模型比较，表明LOF-SSA-PSO-LSSVM模型能有效提高旅游客流量的预测精度和稳定性.     

上海市日本游客客流量的灰色预测模型

通过对上海市境外旅游客源市场游客数量的分析,得出日本为上海最大的境外旅游客源国。根据客流量与时间的关系,利用灰色系统理论建立ＧＭ（１,１）灰色预测动态模型,其研究模型不仅与实际客流量相吻合,还可较精确地给出短期甚至中的预报结果,以便于未来几年客流量进行预测。     

曲阜旅游市场预测分析

本文通过对曲阜旅游市场的调查统计,建立了曲阜旅游系统客流量动态模型。对1988—2000年的客流量按月做了预报。对87年的客流量模拟检验表明,年相对误差小于3％。同时,结合定量和定性分析,对市场效益和市场需求作了宏观预测分析。本研究结果已用于曲阜旅游发展规划制定中。     

网络搜索数据和GWO-SVR模型的旅游短期客流量预测

利用皮尔森相关系数法处理网络搜索数据,用灰狼算法（grey wolf optimizer,GWO）优化支持向量回归（support vector regression,SVR）中的参数,提出并实现一种基于网络搜索数据和GWO-SVR模型的旅游短期客流量预测模型,并用参数优化后的SVR对客流量进行建模预测. 以四川省九寨沟和四姑娘山两个景区为例,构建GWO-SVR、ARIMA、BPNN、SVR、CS-SVR、PSO-SVR和无网络搜索数据等客流量预测模型进行实证分析. 结果表明,GWO-SVR模型均优于其他模型,具有更高的预测精度.     

上海市四个主要境外旅游客源市场的灰色预测模型

通过对上海市主要境外旅游客源市场游客数量的分析,根据客流量与时间的关系,利用灰色系统理论建立了ＧＭ（１,１）灰色预测模型,其研究模型不仅与实际客流量相吻合,还可以对未来几年客流量进行预测。     

基于噪声处理的网络搜索和QCR-HHT模型的九寨沟客流量预测

客流量预测可以弥补强周期性和波动性客流冲击给景区和游客造成的影响,使有限的旅游资源提前得到合理调度和配置.在考虑网络搜索噪声的基础上,建立QCR(Query Chain Retrieve)搜索词链和HHT的网络搜索数据预测模型,对九寨沟旅游日客流量进行预测.通过对比时间序列模型、未经噪声处理的网络搜索预测模型和BP神经...     

基于Fisher聚类的公交客流量时间序列预测及对比

公交客流量预测是城市公共交通管理的基础,科学的客流量预测能够为公交系统管理和路线调整提供可靠依据。考虑到公交客流量的波动差异性以及预测的复杂性,首先利用Fisher算法对原始数据聚类,并依时段划分为六种类型;然后选择自回归差分移动平均模型以及季节性自回归差分移动平均模型两种方法开展公交客流量的预测,并以广州市公交客流量数据进行实证分析,最后计算两种模型的平均绝对误差和平均绝对百分比误差,对比分析基于聚类数据的两模型预测效果的优劣。结果发现:基于Fisher聚类数据,季节性自回归差分移动平均模型的预测效果较好,且比数据未聚类前对应模型预测的效果更优。     

人民币汇率与中国入境旅游收入的联动分析 ——基于ARIMAX模型

汇率作为两国家间的价格转换指标,对入境旅游外汇收入有显著影响.基于1978～2019年面板数据,选取人民币汇率和入境旅游收入作为研究对象,借助Person相关系数、Granger因果检验、ARIMA模型、ARIMAX模型等方法,利用R语言编程,对入境旅游收入的趋势进行分析预测并比较两种模型的拟合效果.结果表明,相比于一...     

基于ARMA模型和VAR模型的中国债券市场信用价差预测比较研究

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

基于多元回归模型的2010年上海世博会客流量预测分析

选取上海城市吸引力系数和上海世博会的吸引力系数等参数,利用多元回归模型定性对2010年上海世博会客流量进行了预测及分析.结果表明:利用多元回归模型对世博会客流量做的预测与以前常用的渗透率模型和引力模型相比有其自身的优越性,考虑因素更为全面.     

深圳市境外游客市场的灰色预测模型

通过对深圳市境外游客数量的分析,根据客流量与时间的关系,利用灰色系统理论建立 Ｇ Ｍ（１,１）灰色预测模型,其研究模型不仅与实际客流量相吻合,还可对未来几年客流量进行预测。     

基于巢式Logit模型的机场吞吐量预测方法

在中小机场吞吐量预测方法中首次引入了巢式Logit模型（NL）。并以无锡机场旅客吞吐量为实例,将预测结果与其他预测方法的结果进行比较,得出了对中小机场进行预测时,使用巢式Logit模型由于综合考虑了机场所在地经济社会的发展现状,机场的服务能力以及周边机场的竞争影响因素,所以预测结果的相对误差较小,并可以从计算过程中得到机场可能的客流量组成和地区客流量走向。