文献综述（包含参考文献）
一、国内研究现状
国内对旅游需求方面的研究起步比国外较晚一些，到20世纪80年代，才有学者开始了旅游市场需求方面的研究，大多数以国外旅游学者的研究基础上进行探讨为主，到了90年代，相关研究内容才日益丰富，不断趋于体系化。在研究方法上，开始由主观定性分析向数学建模的定量分析转变，旅游市场预测的研究已经比较成熟。
但是国内研究主要趋向于实例研究，研究结论不具备普遍指导性。殷英采用统计模型对云南的旅游需求进行了预测和分析；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，并利用该模型对上海市2010年前境外游客量进行了预测[1]；王洋采用采用MATLAB进行计算，对成都市2018—2020年的入境旅游人数进行预测[2]；葛鸿雁基于三层BP神经网络模型，输入归一化处理过的数据进行训练，直到误差小于0.001为止，说明训练结束，得到最终的神经网络模型。最后，运用韶山景区、杨开慧故居、胡耀邦故里景区的数据对训练好的神经网络模型进行检验，得出评分分别为0.69914、0.60021、0.57988，最终评价等级为“良好”或接近良好，证明其整体红色资源状况较好，与实际质量评定等级基本相符，同时也说明所构建的BP神经网络评价模型能够用于红色旅游资源的发掘、评价与保护[3]；赵宇巍、张镇等人基于人工神经网络中BP神经网络的相关理论，以旅游市场趋势预测为研究对象，以人工神经网络技术等为主要研究方法，以秦皇岛市旅游人数发展变化为实证基础，运用MATLAB工具对秦皇岛市2020-2022年的国内游客人数和入境游客人数两个指标进行高精度预测，对于秦皇岛市旅游发展合理规划以及旅游资源优化配置具有重要意义[4]。
二、国外研究现状
西方早期的旅游需求影响因素研究从20 世纪60年代就开始逐渐萌芽，同时由于研究的不确定性，逐步由开始的定性研究转为定量性研究，在内容上主要是运用现代经济学理论，对旅游行为产生的原因及影响因子进行分析，研究旅游需求与各种因子之间的关系，并试图用数学模型对这些影响因子进行量化，从而更加科学合理的预测当地旅游需求的变化趋势。其研究方法主要有以下几种:
首先是回归模型法运用最小二乘法，该方法根据已知的样本建立相关的回归方程，最后依据方程能够清楚地反映变量对预测结果的影响。如引力模型，该模型重点分析客源市场与客源的距离、目的地吸引力及接待能力、客源市场出游人口规模等因素对旅游需求的影响。[5]目前，随着旅游需求预测的研究发展，已经形成了一套以定量分析为主预测体系，主要包括小波拟合、Tobit模型和向量自回归法等。
其次，时间序列法是认为未来是历史的变化规律的延伸，主要通过各种数学手段对预测对象历史统计数据进行观察与比较，找出数据随时间变化的特征和趋势，建立时间序列模型，来预测未来预测对象某一时期发展变化的预测方法，包括马尔科夫法、平滑法、季节变动预测等预测方法[6]。Johann和 Stephen通过单变量和多变量空间模型对国际旅游需求进行了预测[7]；Christine和McAleer 将时间序列的自回归和移动平均分析技术结合起来分析了澳大利亚的旅游需求预测[8]；Dritsakis和Nikolaos采用了向量自回归模型预测了从德国和英国到希腊的旅游需求[9]。
最后，德菲尔法(Delphi Method)是一种匿名的专家问卷调查法，依据系统的程序，将提出的问题和必要的背景材料，用通信的方式向有经验的专家提出，专家匿名发表意见，然后综合他们答复的意见，再反馈给他们，经过反复修改，，直到专家意见基本一致作为预测结果.
