基于最小二乘法赋权的ARIMA-LSTM模型预测入境旅游人数——以上海市为例

为降低新冠病毒感染疫情大流行对旅游业的二次冲击,对疫情防控期间入境旅游市场的需求进行准确预测可为后期旅游业复苏提供科学依据。以上海市为研究区域,选取入境旅游人数、主要客源国、谷歌搜索指数、新增确诊病例数等数据,定量分析疫情前后入境旅游人数的空间变化特征及时间变化趋势,并用基于最小二乘法赋权的ARIMA-LSTM模型预测疫情后的入境旅游人数。结果表明：(1)疫情发生前后,亚洲客源市场一直占据入境旅游市场的核心地位,且传统入境游客与非传统入境游客的比例约为9∶1;(2)入境旅游人数与谷歌搜索指数存在长期正相关及格兰杰因果关系,与确诊病例数无明显相关性;(3)通过对比模型评价指标发现,当ARIMA-LSTM模型的R²大于0.8时,拟合较好,预测误差较单一模型小,预测精度较单一模型高,适用于疫情前、中、后期的旅游人数恢复预测;(4)对2021—2024年入境旅游人数进行恢复预测,发现该期间入境旅游人数呈明显的U形曲线。自2022年12月疫情全面放开后,旅游业逐步恢复,预计入境旅游人数在2024年12月恢复至疫情前水平,即需1.5 a的恢复期。