常規(guī)的預(yù)測方法變量之間的皮爾遜相關(guān)值較低,造成預(yù)測的結(jié)果出現(xiàn)偏差,為此,設(shè)計基于向量自回歸模型的旅游熱門景點預(yù)測方法。綜合不同的搜索引擎數(shù)據(jù),計算旅游景點關(guān)鍵詞網(wǎng)絡(luò)搜索指數(shù),對其進(jìn)行預(yù)處理并篩選出與旅游景點熱度相關(guān)性較強(qiáng)的關(guān)鍵詞,利用向量自回歸模型對變量進(jìn)行均值化處理,確定影響最大的網(wǎng)絡(luò)搜索指數(shù),實現(xiàn)對旅游熱門景點的預(yù)測。實驗結(jié)果表明:與常規(guī)的灰度預(yù)測方法和SVR模型預(yù)測方法相比,基于向量自回歸模型的預(yù)測方法的皮爾遜相關(guān)值能夠保持在0.8～1.0之間,變量之間具有極強(qiáng)的相干性,適合應(yīng)用在旅游熱門景點預(yù)測中。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(03)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 基于向量自回歸模型的旅游熱門景點預(yù)測方法
    1.1 計算關(guān)鍵詞搜索指數(shù)
    1.2 數(shù)據(jù)預(yù)處理及變量篩選
    1.3 利用向量自回歸模型實現(xiàn)熱門景點預(yù)測
2 仿真實驗
    2.1 實驗環(huán)境
    2.2 實驗數(shù)據(jù)
    2.3 實驗內(nèi)容
    2.4 結(jié)果及分析
3 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]微博非結(jié)構(gòu)化數(shù)據(jù)的情緒挖掘方法及在旅游預(yù)測中的應(yīng)用[J]. 梅梅,劉穎,唐小利,張玢.  情報資料工作. 2019(01)
[2]中國文化產(chǎn)業(yè)與旅游業(yè)發(fā)展的交互動態(tài)響應(yīng)分析[J]. 徐翠蓉,張廣海.  統(tǒng)計與決策. 2018(23)
[3]基于熵權(quán)法混合模型的貴州省旅游人數(shù)預(yù)測研究[J]. 陳美璘,何清龍.  數(shù)學(xué)的實踐與認(rèn)識. 2018(21)
[4]最優(yōu)組合預(yù)測線性模型在旅游需求預(yù)測中的應(yīng)用——以中國大陸赴澳門游客量預(yù)測為例[J]. 汪威.  數(shù)學(xué)的實踐與認(rèn)識. 2018(12)
[5]基于大數(shù)據(jù)分析的旅游景點承載力模型設(shè)計[J]. 劉飛,李柯青,項清,何杰.  現(xiàn)代電子技術(shù). 2018(12)
[6]基于VAR模型的旅游業(yè)與區(qū)域經(jīng)濟(jì)發(fā)展動態(tài)關(guān)系研究——以廣西為例[J]. 陳文捷,高雪.  廣西社會科學(xué). 2018(02)
[7]消費需求與國內(nèi)旅游消費需求的周期性波動同步嗎——基于MS-VAR模型時變特征的分析[J]. 李維維,虞虎,王新歌,馬曉龍.  商業(yè)經(jīng)濟(jì)與管理. 2018(01)
[8]以旅游功能為主的城市軌道交通線路客流預(yù)測方法[J]. 郭旭東,劉永平,王遠(yuǎn)回.  城市軌道交通研究. 2018(01)
[9]基于Bernstein Copula函數(shù)的中國入境旅游需求預(yù)測[J]. 朱亮,張建萍.  旅游學(xué)刊. 2017(11)
[10]基于支持向量機(jī)的旅游需求量預(yù)測模型[J]. 胡曉琴.  現(xiàn)代電子技術(shù). 2017(15)



本文編號：3457471