基于ARIMA的入境旅游月度过夜人次预测

发布时间：2024-05-14 01:57

　　入境旅游人次预测对旅游管理部门合理配置旅游资源、创新旅游服务模式有很重要的意义。受气候变化、经济发展趋势、文化差异的影响,旅游人次呈现出明显的季节性与非线性特征,管理部门依据经验推断入境旅游过夜人次的难度越来越大。文章采用ARIMA模型,对入境旅游过夜人次进行月度预测更加科学、准确。选取上海市2004-2016年入境旅游月度过夜人次数据为样本,依据AIC、BIC、HQIC最小准则进行参数估计和模型定阶,拟合出入境旅游月度过夜人次预测的最优模型为ARIMA(6,3,0)。运用该模型,对上海市2017年1-12月的入境旅游月度过夜人次进行预测,并将预测值与2017年真实数据比对,其平均绝对误差为3.22%。可见,应用ARIMA对入境旅游月度过夜人次预测有较高信度。

【文章页数】：3 页

【部分图文】：

图2奇异点消除后的上海入境旅游过夜人次时间序列图

由于干扰项的存在,时间序列中会出现一些特殊的数据或数据段,他们的波动与数据集中其他的数据波动有着显著的不同,这种极少出现的数据点或者数据段成为奇异点[9]。本研究中,受2010年上海世博会影响,2010年的入境旅游过夜人次明显高于其他年份,认为该年度的数据段为时间序列中的奇异点。....

图3上海境外旅游过夜人次三阶差分后时间序列图

本研究对图2所示的非平稳时间序列进行3次差分,差分后的时间序列,如图3所示。2.2时间序列平稳性及非白噪声检验

图1上海入境旅游过夜人次时间序列图

针对入境旅游月度过夜人次的预测,采用历年入境旅游过夜人次月度数据建立ARIMA模型做趋势外推预测。本文研究的样本数据为2004年1月至2017年12月的上海入境旅游过夜人次,其时间序列,如图1所示。过夜人次预测实验环境为:一台PC机、windows10、pytharm-commu....

本文编号：3973027