国内外游客量预测研究综述
摘 要：随着旅游业的蓬勃发展以及由于景区承载能力受限导致各种事故频发，因此合理且精准预测游客量对景区管理部门安排和采取应对措施来说尤为重要。本文通过对现有研究及文献进行梳理和分析，可以全面了解有关游客量预测、基于网络搜索数据的预测模型等研究的现状，从而充分考虑当前的研究基础、研究趋势及可能存在的问题，为寻找最佳模型和实现模型的不断优化提供理论研究基础。
关键词：时间序列；人工智能方法；网络搜索
- 传统的游客量预测方法
目前，关于游客量预测的传统研究方法主要分成两类：第一类为传统的时间序列或统计学方法，比如线性回归，指数平滑法以及自回归模型；第二类主要包括人工智能的方法，比如灰色预测模型、人工神经网络模型、蒙特卡洛模拟方法等。
（一）时间序列或统计学方法
1.国外研究
传统的统计学模型发展相对成熟且已经广泛应用于游客量预测，因此产生了丰硕的研究成果。如Kulendran和Wilson运用误差修正模型（ECM）对澳大利亚商务旅行游客的月度波动情况进行了预测研究，以确定影响澳大利亚商务旅行的最重要的经济变量[1]。Lim和McAleer运用ECM模型和时间序列模型分别研究澳大利亚入境旅游需求的季节变化情况，发现时间序列模型的预测精度较好[2]。Smeral和Wuger运用ARIMA模型预测奥地利的入境旅游人数，认为数据的复杂性会影响预测精度[3]。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
