基于网络搜索数据的旅游客流量非线性预测研究 ——以九寨沟景区为例
发布时间：2021-11-05 11:57
近年来随着人们物质生活水平的提高,越来越多的人选择在节假日出门旅游,旅游业蓬勃发展。预测旅游需求是旅游业的一个关键问题,通过准确的预测趋势和模式,政府和私营部门可以制定组织良好的旅游战略,并提供更好的基础设施,为游客提供服务,并制定适当的营销策略,从不断增长的旅游业中获益。因此,准确预测景区的游客量具有很强的现实意义。本文主要利用网络搜索数据对九寨沟每日游客量进行非线性预测,通过范围选词法及直接选词法确定了八个网络搜索关键词,分别是“九寨沟”,“四川九寨沟”,“九寨沟图片”,“九寨沟旅游”,“九寨沟旅游攻略”,“九寨沟地图”,“九寨沟景区”和“九寨沟天气”。对九寨沟每日游客量及八个关键词的百度搜索数据进行格兰杰因果检验,得到网络搜索数据可以用来预测九寨沟游客量的结论。使用传统的时间序列分析方法对单个九寨沟游客量时间序列进行分析,建立AR（1）模型,R2达到86%,RMSE为0.372359,拟合优度较高,但其无法体现网络搜索数据对游客量的影响。为了研究基于网络搜索数据的九寨沟游客量预测,采用SVR算法模型与GBRT算法模型,结合网络搜索数据,对九寨沟游客量进行拟合...
【文章来源】：江西财经大学江西省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图3.1支持向量与间隔
量回归归（Support Vector Regression）就是支持向量机的回1 1 2 2{( , ),( , ), ,( , )},m m i x y x y x y y R，找到形如 f xf x 与y尽可能接近， 和 b 是待确定的模型参数。常以 与 之间的差值来计算损失，作为评估模 完全相同时，损失才为 0，但支持向量回归不同。隔带，而在这个间隔带中的训练样本都是正确的预测之间的差别绝对值大于 时才计算损失，即以 的间隔带，我们可以接受 与 之间有一定的偏
选词法对关键词进行了选取。络搜索指数主要有 Google 搜索指数、新浪搜索指数、微信究 Google 搜索指数为主，而国内以研究百度搜索指数为台使用性，本文选用了百度指数来作为网络搜索指数。百的数据分析平台，拥有百度海量网民的行为数据，具有重布之日起，就已成为众多公司经营决策的重要考量，放眼据时代，百度指数都是一个不可或缺的统计分析平台。百有：基于单个词的趋势研究（包含整体趋势、PC 趋势还有移情管家、人群画像，基于行业的整体趋势、地域分布、人。百度指数可以间接反映网民对事件的关注度及媒体的关词可以直接反映搜索热度，通过这些关键词及其搜索指数联系或者是一些有趣的现象，可以挖掘到一些更有价值的
【参考文献】：
期刊论文
[1]结合改进Bass模型和参数回归模型的电影日需求预测[J]. 唐中君,王美月,禹海波,吴凡. 工业工程与管理. 2018(04)
[2]基于网络搜索数据的品牌汽车销量预测研究[J]. 谢天保,崔田. 信息技术与网络安全. 2018(08)
[3]基于网络搜索指数的股票市场微观结构特征[J]. 王耀君,高扬,王耀青. 北京理工大学学报(社会科学版). 2018(05)
[4]非线性GARCH族的模型平均估计方法[J]. 姚青松,赵国庆,刘庆丰. 统计研究. 2018(05)
[5]基于搜索引擎数据的流感监测预警[J]. 温丽,蔡永铭. 分子影像学杂志. 2018(02)
[6]基于Twin-SVM的多分形金融市场风险的智能预警研究[J]. 王鹏,黄迅. 统计研究. 2018(02)
[7]基于互联网大数据的旅游需求分析——以北京怀柔为例[J]. 任武军,李新. 系统工程理论与实践. 2018(02)
[8]互联网环境下基于消费者搜索的酒店入住率预测研究[J]. 张斌儒,刘树林,张超锋,蒲玉莲. 统计与信息论坛. 2018(03)
[9]基于RVM模型的国内游客流量预测研究——以海南为例[J]. 张斌儒,郑宗剑,张瑞,王广民. 数学的实践与认识. 2017(24)
[10]基于网络搜索数据的福州市商品房价格指数预测模型研究[J]. 庄虹莉,李立婷,林雨婷,刘艺辉,温永仙. 生产力研究. 2017(02)
博士论文
[1]互联网环境下基于消费者搜索的旅游需求预测研究[D]. 张斌儒.对外经济贸易大学 2017
本文编号：3477755
【文章来源】：江西财经大学江西省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图3.1支持向量与间隔
量回归归（Support Vector Regression）就是支持向量机的回1 1 2 2{( , ),( , ), ,( , )},m m i x y x y x y y R，找到形如 f xf x 与y尽可能接近， 和 b 是待确定的模型参数。常以 与 之间的差值来计算损失，作为评估模 完全相同时，损失才为 0，但支持向量回归不同。隔带，而在这个间隔带中的训练样本都是正确的预测之间的差别绝对值大于 时才计算损失，即以 的间隔带，我们可以接受 与 之间有一定的偏
选词法对关键词进行了选取。络搜索指数主要有 Google 搜索指数、新浪搜索指数、微信究 Google 搜索指数为主，而国内以研究百度搜索指数为台使用性，本文选用了百度指数来作为网络搜索指数。百的数据分析平台，拥有百度海量网民的行为数据，具有重布之日起，就已成为众多公司经营决策的重要考量，放眼据时代，百度指数都是一个不可或缺的统计分析平台。百有：基于单个词的趋势研究（包含整体趋势、PC 趋势还有移情管家、人群画像，基于行业的整体趋势、地域分布、人。百度指数可以间接反映网民对事件的关注度及媒体的关词可以直接反映搜索热度，通过这些关键词及其搜索指数联系或者是一些有趣的现象，可以挖掘到一些更有价值的
【参考文献】：
期刊论文
[1]结合改进Bass模型和参数回归模型的电影日需求预测[J]. 唐中君,王美月,禹海波,吴凡. 工业工程与管理. 2018(04)
[2]基于网络搜索数据的品牌汽车销量预测研究[J]. 谢天保,崔田. 信息技术与网络安全. 2018(08)
[3]基于网络搜索指数的股票市场微观结构特征[J]. 王耀君,高扬,王耀青. 北京理工大学学报(社会科学版). 2018(05)
[4]非线性GARCH族的模型平均估计方法[J]. 姚青松,赵国庆,刘庆丰. 统计研究. 2018(05)
[5]基于搜索引擎数据的流感监测预警[J]. 温丽,蔡永铭. 分子影像学杂志. 2018(02)
[6]基于Twin-SVM的多分形金融市场风险的智能预警研究[J]. 王鹏,黄迅. 统计研究. 2018(02)
[7]基于互联网大数据的旅游需求分析——以北京怀柔为例[J]. 任武军,李新. 系统工程理论与实践. 2018(02)
[8]互联网环境下基于消费者搜索的酒店入住率预测研究[J]. 张斌儒,刘树林,张超锋,蒲玉莲. 统计与信息论坛. 2018(03)
[9]基于RVM模型的国内游客流量预测研究——以海南为例[J]. 张斌儒,郑宗剑,张瑞,王广民. 数学的实践与认识. 2017(24)
[10]基于网络搜索数据的福州市商品房价格指数预测模型研究[J]. 庄虹莉,李立婷,林雨婷,刘艺辉,温永仙. 生产力研究. 2017(02)
博士论文
[1]互联网环境下基于消费者搜索的旅游需求预测研究[D]. 张斌儒.对外经济贸易大学 2017
本文编号：3477755
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3477755.html
