近年來隨著人們物質(zhì)生活水平的提高,越來越多的人選擇在節(jié)假日出門旅游,旅游業(yè)蓬勃發(fā)展。預測旅游需求是旅游業(yè)的一個關(guān)鍵問題,通過準確的預測趨勢和模式,政府和私營部門可以制定組織良好的旅游戰(zhàn)略,并提供更好的基礎設施,為游客提供服務,并制定適當?shù)臓I銷策略,從不斷增長的旅游業(yè)中獲益。因此,準確預測景區(qū)的游客量具有很強的現(xiàn)實意義。本文主要利用網(wǎng)絡搜索數(shù)據(jù)對九寨溝每日游客量進行非線性預測,通過范圍選詞法及直接選詞法確定了八個網(wǎng)絡搜索關(guān)鍵詞,分別是“九寨溝”,“四川九寨溝”,“九寨溝圖片”,“九寨溝旅游”,“九寨溝旅游攻略”,“九寨溝地圖”,“九寨溝景區(qū)”和“九寨溝天氣”。對九寨溝每日游客量及八個關(guān)鍵詞的百度搜索數(shù)據(jù)進行格蘭杰因果檢驗,得到網(wǎng)絡搜索數(shù)據(jù)可以用來預測九寨溝游客量的結(jié)論。使用傳統(tǒng)的時間序列分析方法對單個九寨溝游客量時間序列進行分析,建立AR（1）模型,R²達到86%,RMSE為0.372359,擬合優(yōu)度較高,但其無法體現(xiàn)網(wǎng)絡搜索數(shù)據(jù)對游客量的影響。為了研究基于網(wǎng)絡搜索數(shù)據(jù)的九寨溝游客量預測,采用SVR算法模型與GBRT算法模型,結(jié)合網(wǎng)絡搜索數(shù)據(jù),對九寨溝游客量進行擬合... 

【文章來源】：江西財經(jīng)大學江西省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

圖3.1支持向量與間隔

量回歸歸（Support Vector Regression）就是支持向量機的回1 1 2 2{( , ),( , ), ,( , )},m m i x y x y x y y R，找到形如 f xf x 與y盡可能接近， 和 b 是待確定的模型參數(shù)。常以 與 之間的差值來計算損失，作為評估模 完全相同時，損失才為 0，但支持向量回歸不同。隔帶，而在這個間隔帶中的訓練樣本都是正確的預測之間的差別絕對值大于 時才計算損失，即以 的間隔帶，我們可以接受 與 之間有一定的偏

選詞法對關(guān)鍵詞進行了選取。絡搜索指數(shù)主要有 Google 搜索指數(shù)、新浪搜索指數(shù)、微信究 Google 搜索指數(shù)為主，而國內(nèi)以研究百度搜索指數(shù)為臺使用性，本文選用了百度指數(shù)來作為網(wǎng)絡搜索指數(shù)。百的數(shù)據(jù)分析平臺，擁有百度海量網(wǎng)民的行為數(shù)據(jù)，具有重布之日起，就已成為眾多公司經(jīng)營決策的重要考量，放眼據(jù)時代，百度指數(shù)都是一個不可或缺的統(tǒng)計分析平臺。百有：基于單個詞的趨勢研究（包含整體趨勢、PC 趨勢還有移情管家、人群畫像，基于行業(yè)的整體趨勢、地域分布、人。百度指數(shù)可以間接反映網(wǎng)民對事件的關(guān)注度及媒體的關(guān)詞可以直接反映搜索熱度，通過這些關(guān)鍵詞及其搜索指數(shù)聯(lián)系或者是一些有趣的現(xiàn)象，可以挖掘到一些更有價值的

【參考文獻】：
期刊論文
[1]結(jié)合改進Bass模型和參數(shù)回歸模型的電影日需求預測[J]. 唐中君,王美月,禹海波,吳凡.  工業(yè)工程與管理. 2018(04)
[2]基于網(wǎng)絡搜索數(shù)據(jù)的品牌汽車銷量預測研究[J]. 謝天保,崔田.  信息技術(shù)與網(wǎng)絡安全. 2018(08)
[3]基于網(wǎng)絡搜索指數(shù)的股票市場微觀結(jié)構(gòu)特征[J]. 王耀君,高揚,王耀青.  北京理工大學學報(社會科學版). 2018(05)
[4]非線性GARCH族的模型平均估計方法[J]. 姚青松,趙國慶,劉慶豐.  統(tǒng)計研究. 2018(05)
[5]基于搜索引擎數(shù)據(jù)的流感監(jiān)測預警[J]. 溫麗,蔡永銘.  分子影像學雜志. 2018(02)
[6]基于Twin-SVM的多分形金融市場風險的智能預警研究[J]. 王鵬,黃迅.  統(tǒng)計研究. 2018(02)
[7]基于互聯(lián)網(wǎng)大數(shù)據(jù)的旅游需求分析——以北京懷柔為例[J]. 任武軍,李新.  系統(tǒng)工程理論與實踐. 2018(02)
[8]互聯(lián)網(wǎng)環(huán)境下基于消費者搜索的酒店入住率預測研究[J]. 張斌儒,劉樹林,張超鋒,蒲玉蓮.  統(tǒng)計與信息論壇. 2018(03)
[9]基于RVM模型的國內(nèi)游客流量預測研究——以海南為例[J]. 張斌儒,鄭宗劍,張瑞,王廣民.  數(shù)學的實踐與認識. 2017(24)
[10]基于網(wǎng)絡搜索數(shù)據(jù)的福州市商品房價格指數(shù)預測模型研究[J]. 莊虹莉,李立婷,林雨婷,劉藝輝,溫永仙.  生產(chǎn)力研究. 2017(02)

博士論文
[1]互聯(lián)網(wǎng)環(huán)境下基于消費者搜索的旅游需求預測研究[D]. 張斌儒.對外經(jīng)濟貿(mào)易大學 2017



本文編號：3477755