當前,隨著國民經(jīng)濟水平的提高以及人們思想觀念的改變,越來越多的人把外出旅游作為休閑娛樂的一種,龐大的人流量給旅游市場帶來巨大經(jīng)濟效益的同時,也給景區(qū)的交通、生態(tài)環(huán)境造成壓力。因而,提前對游客流量進行預測以便采取相應措施顯得尤為重要。在眾多對游客流量進行預測的方法中,時間序列分析法和灰色模型預測法是最常見的兩種方法。單個模型通常不能考察到數(shù)據(jù)的所有特點,可能會對預測產(chǎn)生誤差。因此,結合不同模型特點的組合模型是處理預測的一個重要課題。本文主要是針對時間序列模型和灰色模型方法對廣東省游客流量預測的應用研究。本文的工作可歸納如下:1)利用三種時間序列分析預測模型(即:包括具有短記憶性的求和自回歸滑動平均(ARIMA)模型和季節(jié)性差分自回歸滑動平均(SARIMA)模型,具有長記憶性的分形自回歸滑動平均(ARFIMA)模型),對2001年到2018年的廣東省游客人數(shù)數(shù)據(jù)集進行測試。測試結果表明,在長期預測中,ARFIMA模型的預測效果較好,在短期預測中,ARIMA模型的預測效果最差,偏離真實值較遠,SARIMA模型與ARFIMA模型的預測效果相近。2)針對長記憶ARFIMA模型,本文利用二項式和矩...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究成果及現(xiàn)狀
        1.3.1 國外研究成果及現(xiàn)狀
        1.3.2 國內(nèi)研究成果及現(xiàn)狀
    1.4 主要貢獻
    1.5 論文結構
第二章 預備知識
    2.1 時間序列分析基本概念
    2.2 平穩(wěn)性檢驗與純隨機性檢驗
        2.2.1 平穩(wěn)性檢驗
        2.2.2 純隨機性檢驗
    2.3 基本的短記憶時間序列模型
        2.3.1 ARMA(p,q)模型
        2.3.2 ARIMA(p,q)模型
        2.3.3 SARIMA(p,d,q)模型
    2.4 信息準則與參數(shù)估計
    2.5 顯著性檢驗
    2.6 模型預測效果的評價指標
    2.7 本章小結
第三章 長記憶ARFIMA模型
    3.1 長記憶性的概念
    3.2 數(shù)據(jù)的平穩(wěn)化處理
    3.3 ARFIMA模型定義
    3.4 ARFIMA(p,d,q)模型建立步驟
    3.5 長記憶性的檢驗方法
    3.6 分數(shù)階差分
        3.6.1 分數(shù)階差分的意義
        3.6.2 分數(shù)階差分推導過程
    3.7 本章小結
第四章 改進的FGM(1,1)-ARFIMA預測模型
    4.1 GM(1,1)模型
    4.2 改進的FGM(1,1)模型
    4.3 FGM(1,1)-ARFIMA模型建立思路
    4.4 FGM(1,1)-ARFIMA建模步驟
    4.5 本章小結
第五章 廣東省游客人數(shù)的實證分析
    5.1 數(shù)據(jù)來源
    5.2 ARIMA模型的實證分析
        5.2.1 建模步驟
        5.2.2 實驗過程與結果分析
    5.3 ARFIMA(p,d,q)模型的實證分析
        5.3.1 建模步驟
        5.3.2 實驗過程與結果分析
    5.4 SARIMA模型的實證分析
        5.4.1 建模步驟
        5.4.2 實驗過程與結果分析
    5.5 改進的FGM(1,1)-ARFIMA模型實證分析
    5.6 模型結果對比
    5.7 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附件



本文編號：3831673