近年來隨著人們物質(zhì)生活水平的提高,越來越多的人選擇在節(jié)假日出門旅游,旅游業(yè)蓬勃發(fā)展。預(yù)測(cè)旅游需求是旅游業(yè)的一個(gè)關(guān)鍵問題,通過準(zhǔn)確的預(yù)測(cè)趨勢(shì)和模式,政府和私營(yíng)部門可以制定組織良好的旅游戰(zhàn)略,并提供更好的基礎(chǔ)設(shè)施,為游客提供服務(wù),并制定適當(dāng)?shù)臓I(yíng)銷策略,從不斷增長(zhǎng)的旅游業(yè)中獲益。因此,準(zhǔn)確預(yù)測(cè)景區(qū)的游客量具有很強(qiáng)的現(xiàn)實(shí)意義。本文主要利用網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)九寨溝每日游客量進(jìn)行非線性預(yù)測(cè),通過范圍選詞法及直接選詞法確定了八個(gè)網(wǎng)絡(luò)搜索關(guān)鍵詞,分別是“九寨溝”,“四川九寨溝”,“九寨溝圖片”,“九寨溝旅游”,“九寨溝旅游攻略”,“九寨溝地圖”,“九寨溝景區(qū)”和“九寨溝天氣”。對(duì)九寨溝每日游客量及八個(gè)關(guān)鍵詞的百度搜索數(shù)據(jù)進(jìn)行格蘭杰因果檢驗(yàn),得到網(wǎng)絡(luò)搜索數(shù)據(jù)可以用來預(yù)測(cè)九寨溝游客量的結(jié)論。使用傳統(tǒng)的時(shí)間序列分析方法對(duì)單個(gè)九寨溝游客量時(shí)間序列進(jìn)行分析,建立AR（1）模型,R²達(dá)到86%,RMSE為0.372359,擬合優(yōu)度較高,但其無法體現(xiàn)網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)游客量的影響。為了研究基于網(wǎng)絡(luò)搜索數(shù)據(jù)的九寨溝游客量預(yù)測(cè),采用SVR算法模型與GBRT算法模型,結(jié)合網(wǎng)絡(luò)搜索數(shù)據(jù),對(duì)九寨溝游客量進(jìn)行擬合... 

【文章來源】：江西財(cái)經(jīng)大學(xué)江西省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1支持向量與間隔

量回歸歸（Support Vector Regression）就是支持向量機(jī)的回1 1 2 2{( , ),( , ), ,( , )},m m i x y x y x y y R，找到形如 f xf x 與y盡可能接近， 和 b 是待確定的模型參數(shù)。常以 與 之間的差值來計(jì)算損失，作為評(píng)估模 完全相同時(shí)，損失才為 0，但支持向量回歸不同。隔帶，而在這個(gè)間隔帶中的訓(xùn)練樣本都是正確的預(yù)測(cè)之間的差別絕對(duì)值大于 時(shí)才計(jì)算損失，即以 的間隔帶，我們可以接受 與 之間有一定的偏

選詞法對(duì)關(guān)鍵詞進(jìn)行了選取。絡(luò)搜索指數(shù)主要有 Google 搜索指數(shù)、新浪搜索指數(shù)、微信究 Google 搜索指數(shù)為主，而國(guó)內(nèi)以研究百度搜索指數(shù)為臺(tái)使用性，本文選用了百度指數(shù)來作為網(wǎng)絡(luò)搜索指數(shù)。百的數(shù)據(jù)分析平臺(tái)，擁有百度海量網(wǎng)民的行為數(shù)據(jù)，具有重布之日起，就已成為眾多公司經(jīng)營(yíng)決策的重要考量，放眼據(jù)時(shí)代，百度指數(shù)都是一個(gè)不可或缺的統(tǒng)計(jì)分析平臺(tái)。百有：基于單個(gè)詞的趨勢(shì)研究（包含整體趨勢(shì)、PC 趨勢(shì)還有移情管家、人群畫像，基于行業(yè)的整體趨勢(shì)、地域分布、人。百度指數(shù)可以間接反映網(wǎng)民對(duì)事件的關(guān)注度及媒體的關(guān)詞可以直接反映搜索熱度，通過這些關(guān)鍵詞及其搜索指數(shù)聯(lián)系或者是一些有趣的現(xiàn)象，可以挖掘到一些更有價(jià)值的

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合改進(jìn)Bass模型和參數(shù)回歸模型的電影日需求預(yù)測(cè)[J]. 唐中君,王美月,禹海波,吳凡.  工業(yè)工程與管理. 2018(04)
[2]基于網(wǎng)絡(luò)搜索數(shù)據(jù)的品牌汽車銷量預(yù)測(cè)研究[J]. 謝天保,崔田.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(08)
[3]基于網(wǎng)絡(luò)搜索指數(shù)的股票市場(chǎng)微觀結(jié)構(gòu)特征[J]. 王耀君,高揚(yáng),王耀青.  北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(05)
[4]非線性GARCH族的模型平均估計(jì)方法[J]. 姚青松,趙國(guó)慶,劉慶豐.  統(tǒng)計(jì)研究. 2018(05)
[5]基于搜索引擎數(shù)據(jù)的流感監(jiān)測(cè)預(yù)警[J]. 溫麗,蔡永銘.  分子影像學(xué)雜志. 2018(02)
[6]基于Twin-SVM的多分形金融市場(chǎng)風(fēng)險(xiǎn)的智能預(yù)警研究[J]. 王鵬,黃迅.  統(tǒng)計(jì)研究. 2018(02)
[7]基于互聯(lián)網(wǎng)大數(shù)據(jù)的旅游需求分析——以北京懷柔為例[J]. 任武軍,李新.  系統(tǒng)工程理論與實(shí)踐. 2018(02)
[8]互聯(lián)網(wǎng)環(huán)境下基于消費(fèi)者搜索的酒店入住率預(yù)測(cè)研究[J]. 張斌儒,劉樹林,張超鋒,蒲玉蓮.  統(tǒng)計(jì)與信息論壇. 2018(03)
[9]基于RVM模型的國(guó)內(nèi)游客流量預(yù)測(cè)研究——以海南為例[J]. 張斌儒,鄭宗劍,張瑞,王廣民.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2017(24)
[10]基于網(wǎng)絡(luò)搜索數(shù)據(jù)的福州市商品房?jī)r(jià)格指數(shù)預(yù)測(cè)模型研究[J]. 莊虹莉,李立婷,林雨婷,劉藝輝,溫永仙.  生產(chǎn)力研究. 2017(02)

博士論文
[1]互聯(lián)網(wǎng)環(huán)境下基于消費(fèi)者搜索的旅游需求預(yù)測(cè)研究[D]. 張斌儒.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 2017



本文編號(hào)：3477755