基于EEMD-ARIMA的酒店入住率預(yù)測研究
本文關(guān)鍵詞：基于EEMD-ARIMA的酒店入住率預(yù)測研究
更多相關(guān)文章： 時間序列 總體經(jīng)驗?zāi)Ｊ椒纸?/b> 需求預(yù)測 信號分解頻譜分析
【摘要】：旅游業(yè)是第二次世界大戰(zhàn)以后發(fā)展最快的產(chǎn)業(yè)之一,由于它具有“無煙產(chǎn)業(yè)”的特點,且對經(jīng)濟(jì)的拉動力巨大,世界各個國家和地區(qū)對其發(fā)展都非常重視。但同時,旅游業(yè)也是非常脆弱的產(chǎn)業(yè),經(jīng)常受到自然環(huán)境、經(jīng)濟(jì)環(huán)境、人文環(huán)境、政策、自然災(zāi)害等因素的影響。凡事預(yù)則立,旅游業(yè)相關(guān)的監(jiān)管部門、運(yùn)營者除了加強(qiáng)對旅游業(yè)的監(jiān)督、管理之外,還應(yīng)該重視旅游需求預(yù)測,以便合理地配置資源,規(guī)避風(fēng)險。準(zhǔn)確預(yù)測旅游需求一直是旅游研究的重要議題之一,但是由于旅游市場不穩(wěn)定的特性以及影響因素的復(fù)雜性,對旅游市場進(jìn)行精準(zhǔn)預(yù)測相對困難。而旅游市場持續(xù)、穩(wěn)定的發(fā)展離不開精確旅游需求預(yù)測的支持。作為旅游的三大支柱產(chǎn)業(yè)之一,住宿業(yè)的發(fā)展對旅游業(yè)的影響巨大,酒店的管理、經(jīng)營則需要精準(zhǔn)的預(yù)測來支持。本文從旅游需求預(yù)測的角度切入,利用EEMD和ARIMA構(gòu)建新的預(yù)測模型,以美國Charleston地區(qū)酒店為研究案例,進(jìn)行實證研究,并對Charleston地區(qū)與其轄的兩個區(qū)域(East Cooper地區(qū)與North Charleston地區(qū))的酒店入住率進(jìn)行預(yù)測。研究以自回歸積分滑動平均模型(ARIMA)為基礎(chǔ),首先利用R語言,構(gòu)建三個地區(qū)酒店的ARIMA預(yù)測模型,分析其52周的預(yù)測結(jié)果。用ARIMA模型的預(yù)測結(jié)果為研究的基準(zhǔn),筆者引入了一種新的自適應(yīng)頻譜分析法——總體經(jīng)驗?zāi)Ｊ椒纸?EEMD),利用EEMD的濾波特性,將酒店入住率信號分解為多個本征模態(tài)函數(shù)(IMF),以研究酒店入住率數(shù)據(jù)內(nèi)部的波動規(guī)律。將EEMD分解出的IMF區(qū)分高頻波動、低頻波動和趨勢項,采用“分解與集合”的理念,分別對它們進(jìn)行結(jié)合,將原始信號最終分解為三個信號,依次對3個信號構(gòu)建ARIMA預(yù)測模型最后將預(yù)測值求和。最終研究結(jié)果證明,使用EEMD-ARIMA結(jié)合的模型進(jìn)行預(yù)測后,中期長度的預(yù)測(26周)的結(jié)果比單獨使用ARIMA模型的結(jié)果更加準(zhǔn)確。用衡量模型優(yōu)劣的指標(biāo)MAPE與RMSE檢測顯示,在中期預(yù)測中,EEMD-ARIMA模型分別在MAPE中減少了31.25%、14.9%與1.67%的誤差,在RMSE中減少31.03%、19.7%和4.1%的誤差。而長期預(yù)測中,EEMD-ARIMA模型在Charleston地區(qū)減少了MAPE的9.67%與RMSE的16.4%的誤差,提高了酒店入住率的預(yù)測準(zhǔn)確度。通過研究,具體得出以下幾點結(jié)論：(1)ARIMA模型對中期(26周)及長期(52周)的預(yù)測效果尚可,但單一的ARIMA模型對非線性、波動劇烈的時間序列無法進(jìn)行完整的信息捕捉。通過對三個地區(qū)的酒店入住率的時間序列進(jìn)行ARIMA模型建立,得出了一般的時間序列預(yù)測模型,模型檢驗工具M(jìn)APE與RMSE顯示ARIMA模型對中期及長期的預(yù)測都有不錯的效果,但ARIMA在建模中受到噪聲的影響,對信息的捕捉有一定困難,因此在預(yù)測效果上還有待提高。(2)通過EEMD對數(shù)據(jù)的分解,能夠從酒店入住率的非線性波動中準(zhǔn)確地提取出波動的信息。這不僅能幫助研究者分析不同頻率的波動規(guī)律及影響因素,還能夠通過趨勢項獲知數(shù)據(jù)內(nèi)在的走勢與發(fā)展規(guī)律。研究顯示,三個地區(qū)酒店入住率的內(nèi)部發(fā)展規(guī)律與經(jīng)濟(jì)發(fā)展?fàn)顩r基本一致。(3) EEMD-ARIMA模型對酒店入住率的中期預(yù)測能力有顯著的提高。結(jié)合EEMD方法深度分解數(shù)據(jù)的優(yōu)勢,用“分解與集合”的思想建立的EEMD-ARIMA模型能夠在“分解”酒店入住率這一復(fù)雜的波動信號的基礎(chǔ)上,平緩波動,再將其按頻率分類“集合”成高頻、低頻、趨勢三個信號,規(guī)范數(shù)據(jù)的一致性。最后建立的EEMD-ARIMA模型在MAPE與RMSE檢驗中證實,在三個實證案例分析中,EEMD-ARIMA模型對酒店入住率的中期預(yù)測能力都有顯著的提高。本文的創(chuàng)新點在于：(1)本研究在傳統(tǒng)ARIMA模型的基礎(chǔ)上將時間序列研究深入到了信號分解的領(lǐng)域,拓寬了研究方法的范圍,豐富了時間序列的研究內(nèi)容；(2)本文將總體經(jīng)驗?zāi)Ｊ椒纸夥?EEMD)首次引入旅游行業(yè)經(jīng)濟(jì)時間序列分析的研究中,這種方法尤其在酒店入住率研究中尚為空白。利用EEMD可以深入探索時間序列的內(nèi)在運(yùn)行規(guī)律和趨勢。在以傳統(tǒng)時間序列為基礎(chǔ)的前提下,加入EEMD方法,提出了一種新的預(yù)測模型EEMD-ARIMA。根據(jù)提出的新模型,在已有的模型理論基礎(chǔ)上綜合本研究中信號分解結(jié)果的特殊性,將理論應(yīng)用于實踐,并得出結(jié)論證實新模型能夠?qū)鹘y(tǒng)時間序列研究的預(yù)測進(jìn)行優(yōu)化。
【關(guān)鍵詞】：時間序列 總體經(jīng)驗?zāi)Ｊ椒纸?/strong> 需求預(yù)測 信號分解頻譜分析
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F719.2
【目錄】：
- 摘要3-5
- Abstract5-11
- 第1章 緒論11-17
- 1.1 研究背景11-13
- 1.1.1 旅游業(yè)的快速發(fā)展11
- 1.1.2 旅游產(chǎn)業(yè)的需求11-12
- 1.1.3 酒店精細(xì)管理的需求12-13
- 1.2 研究意義13-14
- 1.2.1 理論意義13
- 1.2.2 現(xiàn)實意義13-14
- 1.3 研究目標(biāo)與內(nèi)容14-15
- 1.3.1 研究目標(biāo)14
- 1.3.2 研究內(nèi)容14-15
- 1.4 研究技術(shù)路線15-17
- 第2章 研究綜述17-25
- 2.1 旅游需求預(yù)測研究綜述17-19
- 2.1.1 旅游需求預(yù)測研究現(xiàn)狀17-18
- 2.1.2 時間序列方法的局限性18-19
- 2.2 基于時間序列方法的旅游需求預(yù)測研究19-20
- 2.3 基于經(jīng)驗?zāi)Ｊ椒纸獾穆糜涡枨箢A(yù)測相關(guān)研究20-21
- 2.4 旅游需求預(yù)測的其他相關(guān)研究21-24
- 2.5 本章小結(jié)24-25
- 第3章 理論基礎(chǔ)與數(shù)據(jù)來源25-39
- 3.1 自回歸積分滑動平均(ARIMA)模型25-31
- 3.1.1 基本概念25-30
- 3.1.2 季節(jié)性ARIMA模型30-31
- 3.2 經(jīng)驗?zāi)Ｊ椒纸饫碚?/span>31-35
- 3.2.1 EMD基本概念31-32
- 3.2.2 EMD算法32-35
- 3.3 總體經(jīng)驗?zāi)Ｊ椒纸?/span>35-36
- 3.3.1 EMD的改進(jìn)35
- 3.3.2 加入白噪聲的準(zhǔn)則35
- 3.3.3 EEMD方法中總平均次數(shù)35-36
- 3.3.4 EEMD分解主要步驟36
- 3.4 模型檢驗工具36-37
- 3.4.1 平均絕對百分誤差(Mean Absolute percentage error,MAPE)36-37
- 3.4.2 均方根百分比誤差(Root Mean Square Error,RMSE)37
- 3.5 數(shù)據(jù)來源37-38
- 3.6 本章小結(jié)38-39
- 第4章 基于ARIMA模型的酒店入住率預(yù)測39-53
- 4.1 平穩(wěn)性檢驗39-40
- 4.1.1 描述性統(tǒng)計39-40
- 4.1.2 單位根檢驗40
- 4.2 自相關(guān)函數(shù)檢驗40-41
- 4.3 基于EVIEWS的ARIMA模型識別與定階41-43
- 4.4 基于R語言的模型定階43-46
- 4.5 EAST COOPER地區(qū)與NORTH CHARLESTON地區(qū)ARIMA模型構(gòu)建46-51
- 4.6 本章小結(jié)51-53
- 第5章 基于EEMD的ARIMA模型優(yōu)化研究53-71
- 5.1 酒店入住率的EEMD分解53-54
- 5.2 IMF與T分析54-59
- 5.3 基于EEMD-ARIMA的預(yù)測模型構(gòu)建59-66
- 5.4 EAST COOPER與NORTH CHARLESTON地區(qū)的預(yù)測對比66-69
- 5.5 本章小結(jié)69-71
- 第6章 結(jié)論與討論71-75
- 6.1 結(jié)論71-72
- 6.2 創(chuàng)新點72-73
- 6.3 討論與展望73-75
- 參考文獻(xiàn)75-81
- 附錄 EEMD運(yùn)算程序81-85
- 致謝85-87
- 攻讀碩士學(xué)位期間科研成果87
【相似文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前10條
1 卞曉靈;;ARIMA模型在設(shè)備故障預(yù)測中的應(yīng)用[J];科技信息(學(xué)術(shù)研究);2008年08期
2 付宇涵;;基于ARIMA模型的我國財產(chǎn)險保費收入的預(yù)測研究[J];統(tǒng)計教育;2010年10期
3 王永宏;饒繼廣;;基于ARIMA模型自動預(yù)測我國保險行業(yè)保費收入的應(yīng)用和實踐[J];軟件產(chǎn)業(yè)與工程;2010年06期
4 陳雪嬌;;我國消費者信心指數(shù)趨勢分析及預(yù)測——基于ARIMA模型[J];東方企業(yè)文化;2011年10期
5 翟明娟;;基于ARIMA模型的山西省人均實際GDP預(yù)測[J];長治學(xué)院學(xué)報;2012年05期
6 趙建鋒;李冠軍;;ARIMA模型在我國紡織品服裝出口額預(yù)測中的應(yīng)用[J];企業(yè)導(dǎo)報;2013年23期
7 石美娟;ARIMA模型在上海市全社會固定資產(chǎn)投資預(yù)測中的應(yīng)用[J];統(tǒng)計與信息論壇;2003年06期
8 李佳萌,曾濤,王偉;ARIMA模型在天津港交通量預(yù)測中的應(yīng)用[J];數(shù)理醫(yī)藥學(xué)雜志;2004年05期
9 梁來存;皮友靜;;我國保費收入的ARIMA模型與預(yù)測[J];統(tǒng)計與決策;2006年07期
10 王新華;;ARIMA模型在武漢市全社會固定資產(chǎn)投資預(yù)測中的應(yīng)用[J];統(tǒng)計與決策;2006年08期
中國重要會議論文全文數(shù)據(jù)庫 前10條
1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國控制會議論文集（下冊）[C];2004年
2 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預(yù)測中的應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年
3 李君華;王志堅;張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價格預(yù)測[A];中國棉花學(xué)會2012年年會暨第八次代表大會論文匯編[C];2012年
4 陳興榮;;ARIMA模型和GM(1,1)在我國白銀消費需求預(yù)測應(yīng)用中的比較研究[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年
5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
6 劉軍;柴洪洲;陳軻;劉先冬;;ARIMA模型預(yù)報電離層VTEC研究[A];第一屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集（下）[C];2010年
7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
8 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型及應(yīng)用研究[A];第三屆（2008）中國管理學(xué)年會——技術(shù)與創(chuàng)新管理分會場論文集[C];2008年
9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國時間生物醫(yī)學(xué)學(xué)術(shù)會議論文集[C];2004年
10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六屆中國控制會議論文集[C];2007年
中國重要報紙全文數(shù)據(jù)庫 前1條
1 ;基于數(shù)量化方法對未來經(jīng)濟(jì)增長趨勢的預(yù)測[N];第一財經(jīng)日報;2009年
中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條
1 梁佳琦;ARIMA模型同MAXENT模型在自然保護(hù)區(qū)內(nèi)口蹄疫疫情風(fēng)險預(yù)警中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年
2 張海東;基于論壇的熱點話題識別與趨勢預(yù)測研究[D];上海師范大學(xué);2015年
3 雍永強(qiáng);基于ARIMA和BPNN的組合預(yù)測模型在血糖預(yù)測中的應(yīng)用[D];鄭州大學(xué);2015年
4 張敏;基于ARIMA的組合模型問題研究[D];大連海事大學(xué);2015年
5 桂林;退耕還林與生態(tài)環(huán)境改善的關(guān)系研究與分析[D];西安建筑科技大學(xué);2015年
6 錢麗萍;基于ARIMA模型的兒童醫(yī)院門診量預(yù)測研究[D];蘇州大學(xué);2015年
7 于婷;基于ARIMA模型的股價的研究[D];大連海事大學(xué);2015年
8 程浩;武漢第三產(chǎn)業(yè)總量時間序列研究[D];華中師范大學(xué);2015年
9 陳天舒;基于ARIMA與GPR組合模型的人民幣匯率預(yù)測[D];山東大學(xué);2015年
10 袁磊;基于ARIMA-LSSVM混合模型的股指預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2015年
，本文編號：1105451
本文鏈接：http://sikaile.net/jingjilunwen/fwjj/1105451.html
