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     

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。     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的     

我国主要农用机械指标预测

利用灰色预测理论，对“九五”期间我国主要的农用机械数量进行了灰色分析，建立了对上述指标的GM（1，1）模型，经检验，此模型预测精度较高，并据此模型对我国“十五”期间主要农用机械的需要量进行了预测，为国家有关部门调控主要农用机械的生产规模提供了科学依据。     

我国旅游热点城市境外游客的消费决策特征分析

研究了我国旅游热点城市境外游客的消费特征．通过对北京、上海、西安等城市境外游客抽样调查资料和多年统计资料的分析,总结出境外游客在进行旅游目的地选择、旅游形式,旅游购买渠道等消费决策时表现出的规律性特征,即境外游客易选择山水风光优美、文物古迹和民俗风情丰富的旅游地;在购买渠道和住宿购物方式上呈多样化．并分析了其影响因素,为旅游热点城市的旅游业发展提供基础信息     

山东省入境旅游客源市场分析及预测

本文根据山东省2002年~2011年入境旅游客源市场相关统计数据,从地理学视角出发,分析了山东省入境旅游客源市场的时空结构特征,并利用灰色预测模型对山东省未来5年入境游客规模做了预测.     

灰色模型在旅游客源市场预测中的运用

通过对近几年来江苏省海外客源市场日本游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了旅游人数与旅游时间的GM(1,1)灰色预测模型,探讨了GM(1,1)灰色预测模型在旅游客源市场预测中的应用问题,以期对今后游客数量的预测,合理规划客源市场提供科学的依据.     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的预测方法。     

灰色系统理论在旅游客源市场预测中的应用

运用灰色系统理论，以全国主要海外客源市场游客数量酶枥史序列数据为依据，探讨了GM（1，1）灰色预测模型在旅游客源市场预测中的应用问题。     

九寨沟世界遗产地旅游流时间特征分析

引入4种指数和小波分析工具定量探讨九寨沟旅游流的时间特性。以morlet母小波对1994-2006年逐月和2003-2006年逐日两个旅游流时间序列实施小波变换,揭示了九寨沟旅游流多时间尺度的复杂结构,分析了不同尺度下的周期性。结果表明：在年际尺度上,旅游流呈现出三次函数增长方式,其年内分布为明显的三峰型;在月际尺度上,旅游流季节波动特性逐步变小;近13年来,旅游流存在1年左右的变动周期,尤在近4年表现强烈,此外该时段还在50～70天小尺度上存在周期现象。小波分析的时频局部化特性可以展现旅游流时间序列的精细结构,为分析旅游流时间特性提供了一种新途径。     

旅游地客源市场动态预测方法探讨

旅游地客源市场预测是合理制定旅游业发展战略和旅游规划与开发的重要依据．客源市场的变化受到诸多因素的影响，构成-灰色系统．该文根据近几年来上海市旅游的境外游客量的统计数据，利用灰色系统理论中一种特殊的线性动态预测模型，建立了GM(1，1)预测模型，并利用该模型对上海市2010年前的境外游客量进行了预测．     

旅游客源信息施效的影响因素与作用机制研究

本文认为,实现旅游客源信息施效目标,应依照价值、功能与成本的关系,从旅游客源信息的数量、质量、可靠性、方向、信息价值识别程度和信息设备使用程度等方面扩大功能,从信息的获取成本、搜寻成本、技术服务成本和虚假信息造成的损失等方面降低成本,遵循提高价值的五种途径设计创新方案     

新疆旅游客源市场分析与预测

在旅游竞争相对激烈的21世纪,争夺旅游客源市场就自然而然成为各旅游省市的当务之急,本文在众多学者对新疆入境旅游客源市场分析的基础上,结合数学模型,建立了新疆旅游客源市场的理想预测模型,并对新疆开发旅游客源市场提出了建议。     

犯罪时间序列的混沌特征分析与短期预测

现有犯罪时间序列预测方法侧重于捕捉序列自相关性来构建预测模型,但缺少对犯罪时间序列所反映的社会治安系统非线性和复杂性特征的考虑。 针对这一不足,提出了一种基于混沌分析的长短期记忆(long short-term memory, LSTM)LSTM 预测方法(Chaos-LSTM)。 首先将犯罪时间序列进行相空间重构得到其重构参数以及高维特征,然后计算犯罪时间序列的 Lyapunov 指数判断其混沌特性,最后对符合混沌特征的犯罪时间序列利用重构参数进行序列重建,输入 LSTM 模型进行时序预测。 以北方某特大城市 2007—2014 年的抢劫、入室盗窃、抢夺、诈骗类犯罪的日序列数据进行了实验验证,结果表明:4类案件的时序数据均表现出明显的混沌特征。 Chaos-LSTM 模型在预测精度上较 LSTM 模型有明显提升,平均绝对百分误差(mean absolute percentage error, MAPE)提 升 度 最 高 可 达 19. 7% ,百 分 比 均 方 根 误 差 (percentage root mean square error,PRMSE)提升度最高为 4. 19% ,其中对稀疏性数据序列的提升效果更为明显,显示出该方法对稀疏犯罪时间序列具有更好的适应性。     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

时间序列分析在旅游行业净利润预测中的应用

本文针对旅游行业净利润呈季节性波动的特征,以尽可能准确地预测企业各季度净利润为目的,用时间序列分析及线性回归的方法构建旅游行业季度净利润预测的数学模型。     

我国国内旅游需求影响因素分析及规模预测

近20年来我国国内旅游业发展之所以形成高潮,一方面由于我国实行改革开放的结果,而另一方面更在于近年我国居民可支配收入和闲暇时间的增多.2003年上半年,中国旅游业遭受SARS的沉重打击,2003年下半年国内旅游业经历了迅速恢复期,2004年已经表现出很强的增长势头.就影响我国国内旅游业发展的主要因素进行分析,并对未来五年我国国内旅游发展规模进行预测.     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．