时间序列分析方法在景点人数预测问题中的应用

发布时间：2020-11-08 11:29

　　 随着我国新时代的到来,旅游业作为一个综合性很强的产业,除了能够促进周边景区、酒店、交通、保险等各个相关行业的进步,甚至还能增加就业机会,带领人们实现脱贫。因此应该对旅游景点人数做科学、准确的预测,这对于各个行业的经营管理有着极其重要的经济意义。本文应用时间序列模型对大丰河漂流景点的旅游人数进行分析,采用的是从景点的门禁采集系统得到的真实数据,可以将这些数据细化为不同的时间维度进行研究。从日周期、日周期分三时段、月周期分三时段、月周期的午间时间四个不同的维度,分别对大丰河景点旅游人数进行分析。本文是在时间序列分析的基础上对数据进行建模与检验,做了大量的试验来找寻旅游人数间的变化规律。本文对未来人数进行了预测,比较了用哪种方法可以提高预测的准确率。本文应用Eviews和SAS软件,完成了不同时间维度模型的数据实验,最终认为月周期午间时间维度建立的时间序列模型预测效果较好,这种预测方法的误差仅有5%左右,具有一定研究价值。
【学位单位】：黑龙江大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F592.7
【文章目录】：
中文摘要
abstract
第1章 绪论
    1.1 研究背景
        1.1.1 景点人数预测背景分析
        1.1.2 智慧旅游与数据挖掘
    1.2 研究目的及意义
    1.3 国内外研究现状
        1.3.1 国外研究成果及现状
        1.3.2 国内研究成果及现状
    1.4 研究思路和方法
    1.5 本章小结
第2章 时间序列理论分析
    2.1 时间序列的定义
    2.2 时间序列预处理
        2.2.1 时间序列的平稳性
        2.2.2 时间序列的纯随机性
    2.3 平稳时间序列模型识别
        2.3.1 平稳时间序列的分类及特征
        2.3.2 平稳时间序列模型的识别
    2.4 平稳时间序列建模
        2.4.1 建模步骤
        2.4.2 模型的参数估计与检验
        2.4.3 模型的检验
        2.4.4 模型的优化
    2.5 非平稳时间序列分析
        2.5.1 ARIMA模型
        2.5.2 建模步骤
    2.6 时间序列预测方法
        2.6.1 平稳时间序列分析预测方法
        2.6.2 非平稳时间序列分析预测方法
    2.7 本章小结
第3章 景点人数预测问题的数据预处理
    3.1 数据的获取
    3.2 异常值的处理
    3.3 景点人数的数据处理
    3.4 本章小结
第4章 时间序列模型景点人数的预测
    4.1 日周期时间序列分析
        4.1.1 时间序列预处理
        4.1.2 模型的建立与识别
        4.1.3 参数估计与检验
        4.1.4 预测与分析
    4.2 日周期三时段时间序列分析
        4.2.1 时间序列预处理
        4.2.2 模型的建立与识别
        4.2.3 参数估计与检验
        4.2.4 预测与分析
    4.3 月周期三时段时间序列分析
        4.3.1 时间序列预处理
        4.3.2 模型的建立与识别
        4.3.3 参数估计与检验
        4.3.4 预测与分析
    4.4 月周期午间时段时间序列分析
        4.4.1 时间序列预处理
        4.4.2 模型的建立与识别
        4.4.3 参数估计与检验
        4.4.4 预测与分析
    4.5 本章小结
结论
参考文献
致谢

【参考文献】

相关期刊论文 前10条

1 孔朝莉;;基于乘法季节模型的海南旅游人数预测[J];统计与管理;2018年02期

2 陈珊;申世昌;;ARIMA模型对我国旅游业可持续发展的实证研究[J];齐齐哈尔大学学报(自然科学版);2017年02期

3 杨洁;王鸿绪;赵方;;莆田湄洲岛旅游人数预测的新方法[J];数学的实践与认识;2016年22期

4 刘燕玉;龙金萍;;基于ARIMA模型的江口县旅游人数实证分析[J];统计与管理;2016年06期

5 黄文辉;邹林南;;疏系数ARIMA模型预测江西省肺结核发病趋势[J];安徽预防医学杂志;2016年03期

6 林德荣;张军洲;;旅游时间序列的季节性特征研究——以城市入境旅游为例[J];旅游学刊;2015年01期

7 雷鹏飞;;基于季节性ARIMA模型的中国CPI序列分析与预测[J];统计与决策;2014年14期

8 朱建平;章贵军;刘晓葳;;大数据时代下数据分析理念的辨析[J];统计研究;2014年02期

9 赵肖肖;朱宁;黄黎平;;基于ARIMA模型的时间序列建模算法和实证分析[J];桂林电子科技大学学报;2012年05期

10 张美英;何杰;;时间序列预测模型研究综述[J];数学的实践与认识;2011年18期

相关博士学位论文 前3条

1 于蓓;基于时间序列分析的我国上市银行系统性风险研究[D];山西财经大学;2013年

2 聂淑媛;时间序列分析的早期发展[D];西北大学;2012年

3 王（龙天）;我国旅游需求侧的理论和实践研究[D];河海大学;2006年

相关硕士学位论文 前2条

1 周靖;随机时间序列模型在商品国际价格预测中的适用性研究[D];西南财经大学;2007年

2 熊靓;上海市入境旅游市场统计分析及预测模型研究[D];华东师范大学;2004年

本文编号：2874725