本文選題：舟山 + 海洋旅游業(yè)��； 參考：《浙江海洋大學(xué)》2017年碩士論文

【摘要】：2013年,國(guó)務(wù)院批復(fù)了《浙江舟山群島新區(qū)發(fā)展規(guī)劃》,舟山成為中國(guó)首個(gè)國(guó)家級(jí)群島新區(qū)。舟山海洋旅游業(yè)為了把握時(shí)機(jī),更好應(yīng)對(duì)市場(chǎng)需求和變化,旅游業(yè)的整體定位和規(guī)劃對(duì)行業(yè)推動(dòng)非常重要,是以要善于利用先進(jìn)的科學(xué)技術(shù)作為支撐。而大數(shù)據(jù)作為一種新型的技術(shù)近年來(lái)已廣泛應(yīng)用于許多領(lǐng)域,旅游業(yè)也非常重視將大數(shù)據(jù)技術(shù)引進(jìn)到旅游領(lǐng)域中,為旅游業(yè)的發(fā)展添加助力。游客的旅游需求影響舟山海洋旅游業(yè)的興衰的重要因素之一,旅游需求的預(yù)測(cè)工作具有多樣性和繁復(fù)性,因此本文中采用游客量數(shù)據(jù)具體化游客對(duì)舟山海洋旅游的需求,準(zhǔn)確預(yù)測(cè)游客需求,不僅有利于舟山海洋旅游業(yè)的發(fā)展把握市場(chǎng)走向,使有關(guān)單位和部門(mén)能將工作直接落實(shí)到細(xì)微之處,將基礎(chǔ)的旅游管理與服務(wù)協(xié)調(diào)一致,提高游客滿意度,同時(shí)也會(huì)積極推動(dòng)舟山海洋旅游業(yè)的良性運(yùn)作。本文主要的研究?jī)?nèi)容如下,(1)闡述了大數(shù)據(jù)和海洋旅游的相關(guān)概念,大數(shù)據(jù)技術(shù)在旅游行業(yè)中的國(guó)內(nèi)外研究現(xiàn)狀,以及相關(guān)理論基礎(chǔ),針對(duì)基于大數(shù)據(jù)舟山海洋旅游需求預(yù)測(cè)建立了相關(guān)的研究路線。(2)利用NLPIR系統(tǒng)進(jìn)行文本分析初選出關(guān)鍵詞,結(jié)合百度指數(shù)拓展關(guān)鍵詞,最后將篩選出的關(guān)鍵詞進(jìn)行相關(guān)性分析。(3)介紹了多元回歸需求預(yù)測(cè)和ARMA這兩種預(yù)測(cè)模型的基本原理,采用并建立相關(guān)的預(yù)測(cè)模型,用Eviews軟件進(jìn)行預(yù)測(cè)、分析。(4)以舟山海洋旅游為例進(jìn)行具體的預(yù)測(cè)工作,對(duì)選出的關(guān)鍵詞的百度指數(shù)數(shù)據(jù)進(jìn)行處理,作為影響旅游需求的自變量,然后采用多元回歸需求預(yù)測(cè)模型和ARMA模型對(duì)舟山海洋旅游需求展開(kāi)預(yù)測(cè),進(jìn)而分析了預(yù)測(cè)的結(jié)果。從預(yù)測(cè)結(jié)果的中發(fā)現(xiàn),這種需求預(yù)測(cè)方式重視旅游需求數(shù)據(jù)本身以及影響旅游需求的因素,希望對(duì)今后預(yù)測(cè)舟山海洋旅游需求、推動(dòng)休閑農(nóng)業(yè)工作起到積極的作用。
[Abstract]:In 2013, the State Council approved the Zhejiang Zhoushan Islands New area Development Plan, Zhoushan became China's first national archipelagic new area.In order to grasp the opportunity and better deal with the market demand and change, the overall positioning and planning of the tourism industry is very important to promote the industry, which is supported by the use of advanced science and technology.Big data, as a new type of technology, has been widely used in many fields in recent years. Tourism also attaches great importance to the introduction of big data technology into the field of tourism, adding help for the development of tourism.Tourist demand is one of the important factors influencing the rise and fall of Zhoushan marine tourism. The forecasting work of tourism demand is diverse and complicated. Therefore, the tourist volume data is used in this paper to concretize the tourists' demand for Zhoushan marine tourism.Accurate forecasting of tourist demand is not only conducive to the development of marine tourism in Zhoushan to grasp the market direction, so that the relevant units and departments can directly implement the work into details, coordinate the basic tourism management and services, and improve tourist satisfaction.At the same time will also actively promote the healthy operation of Zhoushan marine tourism.The main research contents of this paper are as follows: (1) the related concepts of big data and marine tourism, the domestic and foreign research status of big data technology in the tourism industry, and the relevant theoretical basis are expounded.Based on big data Zhoushan marine tourism demand prediction established a related research route. 2) using the NLPIR system for text analysis to select keywords, combined with Baidu index to expand the keyword,Finally, the correlation analysis of the selected keywords is carried out. (3) the basic principles of the two forecasting models, multivariate regression demand prediction and ARMA, are introduced. The relevant prediction models are adopted and established, and the prediction is carried out with Eviews software.Taking the marine tourism of Zhoushan as an example to carry on the concrete forecast work, processing the Baidu index data of the selected keywords, as the independent variable that affects the tourism demand,Then the multivariate regression demand forecasting model and ARMA model are used to forecast the demand of marine tourism in Zhoushan, and the results are analyzed.It is found from the forecast results that this demand forecasting method attaches importance to the data of tourism demand and the factors affecting tourism demand, hoping to play a positive role in predicting the demand for marine tourism in Zhoushan in the future and promoting the work of leisure agriculture.
【學(xué)位授予單位】：浙江海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：P74;F592.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 容景春;廣東海洋旅游業(yè)發(fā)展對(duì)策[J];廣東科技;2002年08期

2 天津海洋旅游業(yè)發(fā)展研究課題組;發(fā)展海洋旅游業(yè)的戰(zhàn)略構(gòu)想及其對(duì)策[J];港口經(jīng)濟(jì);2003年03期

3 唐夢(mèng)雪;譚春蘭;;上海濱海新城海洋旅游業(yè)開(kāi)發(fā)探析[J];物流工程與管理;2012年09期

4 章仲根;海洋旅游業(yè)的若干思考[J];寧波大學(xué)學(xué)報(bào)(理工版);2001年02期

5 張廣海;陳婷婷;;山東省海洋旅游業(yè)區(qū)域整合與管理體制創(chuàng)新研究[J];海洋開(kāi)發(fā)與管理;2006年03期

6 周明飛;浙江海洋旅游業(yè)的可持續(xù)發(fā)展分析與控制[J];旅游學(xué)刊;1999年01期

7 屠莉莉;黃國(guó)勤;;浙江舟山群島海洋旅游業(yè)發(fā)展研究[J];海洋信息;2009年02期

8 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 黃如躍;;深圳海洋旅游業(yè)發(fā)展應(yīng)注意的幾個(gè)問(wèn)題[A];中國(guó)海洋學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

2 董玉明;;增強(qiáng)海洋意識(shí),發(fā)展青島海洋旅游業(yè)[A];區(qū)域旅游開(kāi)發(fā)與嶗山風(fēng)景區(qū)可持續(xù)發(fā)展[C];1999年

3 黃鳳羽;張霽星;薛凱;;促進(jìn)海洋旅游業(yè)發(fā)展的公共政策研究[A];東方行政論壇（第一輯）[C];2011年

4 付海梅;;海洋文化與湛江旅游開(kāi)發(fā)[A];中國(guó)海洋學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

5 吳成根;;中華祭海文化探析與深度開(kāi)發(fā)探討[A];2009中國(guó)海洋論壇論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 東港市旅游局 付曙敬;大力發(fā)展海洋旅游業(yè)[N];丹東日?qǐng)?bào);2008年

2 昝愛(ài)宗;舟山大力發(fā)展海洋旅游業(yè)[N];中國(guó)海洋報(bào);2004年

3 ;積極開(kāi)發(fā)海洋旅游業(yè)[N];新華日?qǐng)?bào);2000年

4 朱殷;游艇會(huì)與深圳海洋旅游業(yè)的開(kāi)發(fā)[N];中國(guó)旅游報(bào);2003年

5 吳樹(shù)敬 陳啟海;對(duì)溫州海洋旅游業(yè)發(fā)展的瞻望[N];中國(guó)特產(chǎn)報(bào);2005年

6 記者 蘇雄鋒;依托獨(dú)特資源 打造產(chǎn)業(yè)品牌[N];閩南日?qǐng)?bào);2012年

7 張建國(guó);啟東啟動(dòng)“海洋號(hào)”[N];中國(guó)旅游報(bào);2001年

8 陳家根;江蘇海洋旅游業(yè)端出首道“大餐”[N];新華日?qǐng)?bào);2011年

9 劉麗娜;市南：海洋旅游業(yè)勃興[N];青島日?qǐng)?bào);2007年

10 本報(bào)記者　林兢;能看多遠(yuǎn),就能走多遠(yuǎn)[N];青島日?qǐng)?bào);2006年

相關(guān)碩士學(xué)位論文 前2條

1 楊凱云;基于大數(shù)據(jù)旅游需求預(yù)測(cè)的舟山海洋旅游業(yè)發(fā)展研究[D];浙江海洋大學(xué);2017年

2 李參德;產(chǎn)業(yè)融合視角下的青島海洋旅游業(yè)發(fā)展研究[D];中國(guó)海洋大學(xué);2014年

，

本文編號(hào)：1754139