本文關(guān)鍵詞：基于客源地的聚類-ARIMA模型的短期旅游需求預(yù)測--以天津歡樂谷主題公園為例　出處：以天津歡樂谷主題公園為例　論文類型：期刊論文

  更多相關(guān)文章： 短期旅游需求預(yù)測 客源地 時(shí)間序列聚類 ARIMA模型 天津歡樂谷主題公園

【摘要】：大多數(shù)旅游需求預(yù)測研究是基于目的地游客總數(shù)或消費(fèi)總量開展的,尚未按不同的旅游目的或客源地細(xì)分進(jìn)行預(yù)測。以天津歡樂谷主題公園為案例地,選擇2014年第40周到2015年第26周為研究時(shí)段,利用通信大數(shù)據(jù),提出了一種面向客源地的聚類-ARIMA組合預(yù)測模型。通過對不同客源地的時(shí)序數(shù)據(jù)進(jìn)行聚類,選取各類別中的代表性客源地分別構(gòu)建ARIMA預(yù)測模型。結(jié)果表明:對歡樂谷主題公園各客源地分別建模與聚類后通過6個(gè)代表客源地建模得到的結(jié)果一致;后者可以降低80%的預(yù)測成本。該方法具有較高的預(yù)測精度和較低的計(jì)算成本,適合面向客源地的短期旅游需求預(yù)測,可為旅游目的地提供更具針對性的旅游需求管理、分析與決策支撐。
[Abstract]:Most of the tourism demand prediction research is based on the total number of visitors or the total consumption has not yet been carried out, according to the forecast tourism destination or different tourist segments. In Tianjin Happy Valley theme park as a case, select the fortieth week of 2014 the twenty-sixth week of 2015 as the study period, the use of big data communication, we propose a new clustering combination for -ARIMA source the prediction model. By clustering the time series data of different source, select the category of the representative source were constructed ARIMA prediction model. The results showed that: the Happy Valley theme park each source were obtained by modeling and clustering of 6 representative source modeling results which can reduce the cost of the 80% forecast;. The method has high prediction accuracy and low computational cost, suitable for short-term forecast of tourism demand for tourists, for the tourism destination Provide more targeted tourism demand management, analysis and decision support.

【作者單位】： 首都師范大學(xué)資源環(huán)境與旅游學(xué)院;國家旅游局信息中心;南京師范大學(xué)地理科學(xué)學(xué)院;南京大學(xué)地理與海洋科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(41671145,41301144) 國家旅游局青年專家培養(yǎng)計(jì)劃項(xiàng)目(TYETP201312)
【分類號(hào)】：F224;F592.7;F719.5
【正文快照】： 0引言 旅游需求預(yù)測主要是為了提高評價(jià)、預(yù)測與了解旅游者行為的能力以及提高對特定旅游目的地/區(qū)域的公眾行為的理解能力[1]。旅游需求預(yù)測研究始于20世紀(jì)60年代[2],80年代之后進(jìn)入快速發(fā)展期,并取得了豐富的研究成果[3]。已有研究主要有以下特征:一是通過改進(jìn)模型提高預(yù)測

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫夢潔;陳寶峰;溫春卉;任金政;;基于ARIMA模型的研究生招生規(guī)模建模與預(yù)測[J];統(tǒng)計(jì)與決策;2010年12期

2 陳啟亮;陳子麗;;ARIMA模型在貴州省全社會(huì)固定資產(chǎn)投資預(yù)測中的應(yīng)用[J];現(xiàn)代農(nóng)業(yè)科技;2010年15期

3 谷屹;;基于ARIMA模型的中國社會(huì)消費(fèi)品零售總額季度預(yù)測[J];價(jià)值工程;2011年34期

4 戰(zhàn)毅;李亞杰;;基于ARIMA模型在社會(huì)消費(fèi)品零售總額預(yù)測中的應(yīng)用[J];商場現(xiàn)代化;2012年17期

5 薛嘉春;韓建雨;;我國居民收入差距發(fā)展趨勢研究——基于ARIMA模型的預(yù)測分析[J];當(dāng)代經(jīng)濟(jì)研究;2011年12期

6 別慧軍;吳們;;湖北省社會(huì)消費(fèi)品零售總額ARIMA模型與預(yù)測[J];當(dāng)代經(jīng)濟(jì);2009年11期

7 王蔣鳳;吳群英;夏寶飛;;桂林市社會(huì)消費(fèi)品零售總額ARIMA模型的建立與預(yù)測[J];中國市場;2011年49期

8 熊濤;申世昌;;ARIMA模型對滬深300股價(jià)指數(shù)的實(shí)證分析[J];寶雞文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年02期

9 吳昊;;ARIMA模型在廣西消費(fèi)價(jià)格指數(shù)分析與預(yù)測中的應(yīng)用[J];廣西教育;2012年35期

10 張韻慧;問瑜英;費(fèi)紅艷;;基于ARIMA模型的國內(nèi)藥品價(jià)格管制政策評估[J];中國衛(wèi)生經(jīng)濟(jì);2012年06期

相關(guān)會(huì)議論文 前3條

1 梁杰麗;葉梧;黃昭文;徐興;馮穗力;;基于ARIMA模型的彩信業(yè)務(wù)量預(yù)測[A];通信理論與信號(hào)處理新進(jìn)展——2005年通信理論與信號(hào)處理年會(huì)論文集[C];2005年

2 諸文兵;陳頗;何強(qiáng);;基于ARIMA模型的我國體育用品制造業(yè)產(chǎn)品銷售收入預(yù)測研究[A];第二十屆全國高校田徑科研論文報(bào)告會(huì)論文專輯[C];2010年

3 李輝華;郭弘藝;唐文喬;顧樹信;黃少芳;沈林宏;魏凱;;ARIMA模型在預(yù)測長江靖江段沿岸魚類漁獲量時(shí)間格局中的應(yīng)用[A];2008年中國水產(chǎn)學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 李雨蒙;基于ARIMA模型的遼寧港口運(yùn)輸能力分析[D];南昌大學(xué);2016年

2 單福生;基于小波分析和ARIMA模型的中國出口集裝箱運(yùn)價(jià)指數(shù)預(yù)測[D];大連海事大學(xué);2013年

3 李揚(yáng);ARIMA模型對我國壽險(xiǎn)業(yè)潛在保費(fèi)的預(yù)測研究[D];湖南大學(xué);2006年

4 問瑜英;基于ARIMA模型的藥品價(jià)格管制政策評估[D];天津大學(xué);2011年

5 劉斌;基于ARIMA模型的中國鋼鐵價(jià)格分析預(yù)測[D];遼寧工程技術(shù)大學(xué);2006年

6 盧懷營;基于ARIMA模型的滬深300指數(shù)預(yù)測及期現(xiàn)套利的研究[D];蘇州大學(xué);2013年

7 吳敬婷;基于ARIMA模型的畜產(chǎn)品價(jià)格預(yù)測系統(tǒng)的研究[D];東北農(nóng)業(yè)大學(xué);2012年

8 李春曉;基于ARIMA模型的股票市場并購套利異常收益的研究[D];云南師范大學(xué);2014年

9 時(shí)照華;探索ARIMA模型在呼吸道傳染病疫情預(yù)測中的應(yīng)用[D];安徽醫(yī)科大學(xué);2013年

10 夏麗;基于ARIMA模型及回歸分析的區(qū)域用電量預(yù)測方法研究[D];南京理工大學(xué);2013年

，

本文編號(hào)：1422468