基于RVM模型的国内游客流量预测研究——以海南为例

引入RVM对海南旅游景区接待国内游客流量进行预测,并利用2011年1月至2016年12月海南交通行业数据和相应的网络搜索数据构建模型的输入集.12个月的预测结果表明,与基准模型相比,RVM具有更优异的预测性能,证实了模型在旅游需求预测领域的有效性.     

季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例

准确的旅游客流量预测对旅游目的地做好事前准备工作至关重要.然而旅游客流量具有明显的非线性和季节性特征,采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性.同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果.提出了一种考虑季节影响并通过PSO优化SVR模型的旅游客流量预测模型,并以海南省三亚市为例进行了实证研究.研究结果表明,季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,是进行旅游客流量预测的有效工具.     

基于投资者情绪的股票价格及成交量预测研究

基于新浪微博2014年数据,运用情感分析技术构建情绪指数,考察了投资者情绪与股票市场指数的相关性及其预测能力,并通过加入百度指数平台获取的搜索指数,考察了两种指数共同作用的影响.研究结果表明,搜索指数与创业板指收盘价及交易量均呈正相关,情绪指数与创业板指收盘价及交易量均呈负相关:情绪指数对股票价格有预测作用,仅短期影响显著,对股票交易量预测作用不显著;搜索指数对交易量的预测有显著作用,但无法提升股价的预测精准度:当两种指数同时作用时,股价预测精准度得到较大的提升,交易量未能达到预期的改善.研究证明网络信息中蕴含的有效信息可以有助于预测包括股价、成交量在内的市场变量,有助于投资者更好的利用网络中的有效信息进行金融决策行为.     

应用季节系数修正三次指数平滑预测值进行公共交通客流量预测

城市公共交通客流量的预测是公共交通营运活动有效管理的基础,是编制和检验各类计划、预测营业收入、原材料消耗、单位成本等经济指标的重要依据.城市公共交通客流量水平的高低,受到多种互相作用的因素影响.如工业总产值、人均收入、人口数、道路建设水平等.这里有一个重要的影响因素:季节变动.公共交通客流量的季节变化是比较明显的.如每年二季度春暖花开,气温升高,春游、扫墓等活动增多,客流量就会相应增加;四季度秋高气爽,是户外活动和旅游的黄金季节,客流量也会有所增加.由于人们的出行习惯比较稳定,因而在较长时期中,这种季节变化具有…     

梯度提升回归树的旅游流量预测模型

旅游客流量的精确预测是旅游经济分析及发展规划中的关键问题.以集成学习思想为基础,提出一种基于梯度提升回归树的旅游流量预测模型,针对该模型中最小化目标函数无解析解的情况,对原始模型的树生成算法进行优化,并利用person相关系数分析各影响因素相关性以构建特征向量,对旅游客流量进行精确预测.以桂林市2015年至2018年旅游客流量为例进行分析,通过平均误差、均方跟误差等指标对比分析了指数平滑算法及支持向量机算法的预测精度.实验结果表明,所提方法在旅游客流量预测中具有更高的预测准确性,有较好的应用价值.     

基于媒体效应的房地产价格波动研究——以西安市为例

以网络搜索关键词的搜索量作为媒体效应的量化指标,建立考虑媒体效应的VAR模型研究房地产价格的波动趋势,并利用西安市2011年1月-2017年12月的数据进行验证.研究结果发现:媒体效应对房地产价格的影响存在两期的最优滞后效应;媒体效应与房地产价格之间具有长期稳定的协整关系;考虑媒体效应的VAR模型能够较好的分析媒体效应与房地产价格之间的动态关系,房地产价格受以下网络搜索关键词的正向影响,其影响程度由大到小依次为:行政类、房地产类、其他类、金融类、财政类关键词,而土地类关键词的影响为负.最后,将站在政府、相关部门和房地产开发商的角度,提出相关建议.     

基于GIOWHA-GALSSVR-SARIMA组合模型在旅游需求预测中的应用

首先构建以城镇居民人均可支配收入、消费者预期指数、接待过夜游客数量三个指标滞后值为输入变量的GA-LSSVR模型和季节调整的ARIMA模型,对广东省接待过夜游客数量进行初步预测.接着,建立了基于GIOWHA算子的组合模型,在单一模型、定权和变权组合预测模型的预测效果比较中,实证结果显示:基于GIOWHA-GALSSVR-SARIMA组合模型具有误差小、精度高特点,更适合旅游需求预测.     

基于网络搜索数据和机器学习的票房预测模型

电影票房预测对于管理部门一直是一项重要而复杂的工作。电影票房相关变量复杂多变,且数据获取难度较大是制约当前研究的主要因素。相比之下,网络搜索数据是互联网公司发布的用于记录网民搜索行为的结构化数据,能客观及时反映事物的发展趋势。本研究建立了基于网络搜索数据的混合预测模型。首先,匹配与测试集最相似的训练数据构建最优训练集(OTS)。其次,应用帝国竞争算法(ICA)选择最小二乘支持向量机(LSSVM)的最佳参数组合。最后,使用优化模型进行预测。为了测试模型的效果,使用中国大陆上映的电影票房数据进行模拟实验。结果表明混合模型具有更高的预测精度。本研究所构建的模型适用于中国电影业的票房预测,可为有关部门提供决策参考。     

旅游动机对大学生租车出行选择行为的影响

为研究大学生群体租车意愿以及出行方式选择行为的影响.本研究采用自主设计调查问卷,以宁夏银川市大学生为研究对象,获取大学生旅游出行特征数据.首先对问卷中23项旅游动机项进行因子分析提取公因子;然后对因子得分进行聚类分析将大学生群体划分为4类;再者进行相关性分析,筛选与大学生出行选择行为密切相关的影响因素;最后基于MNL模型构建涵盖旅游动机的大学生旅游租车出行方式选择行为度量模型.研究结果表明,旅游动机对大学生旅游租车意愿有显著影响,且不同出行方式间影响程度存在差异.该模型预测精度较高,对大学生群体旅游产品的研发具有指导意义,为进一步研究游客出行决策行为提供了理论依据.     

基于多目标优化模型的旅游路线研究

旅游活动正在成为全球经济发展的重要动力之一,而旅游线路直接关系着旅游的时间、费用、旅游体验.为设计更合理的覆盖全国5A景区的旅游路线,本文使用聚类分析、贪婪算法、图论等方法并设计了合理的旅游体验函数,最终得到了从西安和北京出发的游客采用全程自驾或结合其它交通工具十年内游遍所有201个5A景区、费用最优、旅游体验最好的旅游线路.     

基于灰色关联度分析的广西区域旅游协调发展研究

为促进区域旅游协调发展,结合全域旅游的概念特征,从旅游基础、经济社会、环境生态、文体卫生等4个方面选取了2014-2018年27个影响旅游业发展的主要因素构建广西区域旅游协调发展评价指标体系,基于灰色关联度分析进行相关研究.结果显示:旅游总消费占GDP的比重、国内游客人数、A级旅游景区数和第三产业贡献率等指标与广西区域旅游发展的关联度较高,广西区域旅游发展与各因子的灰色关联度排序为旅游基础经济社会文体卫生环境生态,表明旅游产业作为广西国民经济的主导产业和支柱产业具有重要的优势地位,必须在强化各支撑保障因素的基础上充分发挥旅游产业的引领融合作用,重点拓展国内旅游市场;广西区域旅游协调发展策略主要有省域层面的全域景区发展型、市域层面的特色资源驱动型、县域层面的产业深度融合型及"大南宁国际都市旅游圈"的城市全域辐射型和"大桂林山水文化旅游圈"的龙头景区带动型.     

基于组合模型的武隆景区长期游客流量预测

由于某景区经营权回购需进行景区游客量长期预测。为克服长期预测的不确定性,我们采用基于旅游地环境容量的LOGISTIC模型和考虑客源地旅游需求的回归迭代模型进行组合预测。前者包含旅游地的环境容量限制参数,主要基于供给制约因素结合时间序列数据进行预测。后者主要从客源地的人均收入、价格水平、价格弹性和收入弹性进行预测。然后整合两模型进行组合预测,对两种预测结果进行加权得到组合预测游客流量,很好地解决了集成旅游地环境容量、"申遗"前后与高速公路通车前后游客量变化、游客时间序列规律、客源地人均可支配收入、旅游地吸引力和旅游地生命周期等众多因素进行长期预测的问题。预测结果作为政府部门经营权回购中补偿额确定的主要依据,已被采用。     

基于遗传算法的公交智能调度与优化——以南岳衡山景区为例

南岳衡山(以下简称南岳)以“外秀于林,内秀于文”驰名中外,作为风景名胜区近几年游客人数不断攀升。本文利用遗传算法对景区内公交线路的调度模型进行求解。首先,根据景区现有的公共交通资源和旅客的出行规律,构建了以旅游公交营运成本、游客等待成本和游客流失成本三方面优化目标的模型;然后,使用线性加权方法实现对旅客与营运公司双方利益兼顾,进一步完善模型;最后,利用Matlab对实地调研数据的车辆调度方案求解。表明该模型改善了南岳景区旅游交通,满足游客的合理需求,提升了旅游公司经营策略,真正成为“寿岳独秀”的知名品牌。     

基于改进PSO-BP神经网络的旅游客流量预测方法

提高旅游风景区日客流量的预测精度,对旅游风景区的日常运营管理和旅游资源的保护有重要意义.PSO-BP被广泛应用于预测中,针对PSO算法的惯性权重采取线性动态变化时无法满足粒子多样性和易陷入局部极值等缺陷,文章提出一种利用改进后的PSO-BP方法,利用粒子适应度值对惯性权重进行动态非线性变化,同时结合粒子迭代周期增加位置扰动,对粒子群算法进行改进.将改进后的PAPSO算法(particle swarm optimization algorithm with position disturbance and adaptive inertia weight,PAPSO)对BP神经网络的初始权值和阈值进行优化,建立黄山风景区日客流量的Matlab预测模型,对黄山旅游客流量数据进行实验,结果表明文章提出的基于PAPSO算法优化BP神经网络的预测模型有效地提升了预测精度.     

全国5A级景区旅游路线规划问题研究

以自驾游为代表的旅游活动正在成为全球经济发展的重要动力之一,如何优化旅游路线以便为广大旅客提供更加舒适的自驾体验日益重要.主要研究全国5A景区旅游路线规划问题.首先分析当前城市居民的假期次数与时间要求,综合时间、路程和费用最优建立综合模型.然后收集景区、路况和费用数据基于遗传算法和Matlab2011a编程求解,得出全国多个城市出发的全国5A景区旅游路线规划图和详细行程.最后根据研究结果,提出建立旅游可持续发展评价指标体系,对旅游爱好者提供旅游建议,对旅游相关部门给出政策建议.     

基于ARMA-GARCH模型的恒指隐含波动率指数预测及其在期权交易中的应用

基于ARMA-GARCH模型,并结合均值回归效应,溢出效应和周内效应,本文研究了恒指隐含波动率指数(VHSI)能否被预测及预测是否有助于期权投资实践的问题.研究结果验证了香港股市具有均值回归的特性,标准普尔500指数对恒指隐含波动率指数有明显的溢出效应.此外,恒指隐含波动率指数呈现出周一上涨,周五下跌的特征,具有明显的周内效应.最后,本文运用ARMA-GARCH模型对恒指隐含波动率指数进行预测,并结合实际的市场数据做了期权交易模拟.结果显示,ARMA-GARCH模型比ARMA模型更适合对恒指隐含波动率进行建模;考虑了均值回归效应,溢出效应和周内效应之后,ARMAGARCH模型对恒指隐含波动率指数的预测能力显著提高,并且预测结果有助于期权交易获得较好的收益.     

大数据背景下中国季度失业率的预测研究——基于网络搜索数据的分析

目前,中国失业率统计存在一定局限,不利于准确及时地反映劳动市场的就业变动,大数据技术的快速发展为中国失业率统计提供新的发展视角.基于网络搜索数据,文章从5种常用的预测方法中筛选出最优的支持向量机回归模型,对中国季度失业率进行了预测研究.研究表明,基于网络搜索数据预测的失业率能够比官方数据更早地反映失业趋势的变化,预测失业率与修正后的失业率水平接近,能够为政府部门提供中国失业状况的政策预警.     

城市轨道交通客流量预测的信度模型及其应用

信度估计是产生于风险管理和精算领域的一种现代预测方法.借助信度估计的技术和方法,对城市轨道交通客流量进行短期预测.为了考虑不同车站客流量间的相依关系,建立了轨道交通客流量的多维信度预测模型.并采用天津地铁一号线的数据,对所述预测方法进行验证.     

基于陈述性与显示性偏好联合方法的旅游需求模型及应用

旅游环境质量是影响旅游需求的重要因素。然而,对于旅游需求函数模型的构建大多关注经济指标,加之传统研究方法的局限性,使得对这一问题的研究仍存在较大空白。因此,为揭示多重环境属性变化对旅游需求的具体影响,本文采用陈述性与显示性偏好联合方法对旅游需求模型进行构建,以弥补传统旅行成本法在数据容量和使用范围上的不足。并引入选择实验数据收集模式和可视化研究方法,提高了数据的收集效率和准确性。研究发现:旅游环境变化对需求价格弹性的影响在统计上显著,而且会改变旅游函数的截距项;拥挤程度的降低对旅游需求的负面影响较弱,垃圾数量和水质改善对旅游需求的正向影响显著;当前大连滨海浴场的消费者剩余为564元/人次,环境整体改善使游客平均旅行次数上升1.2次/年,而消费者剩余的增量为1273元每人每年。     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.