基于SVR-ARMA组合模型的日旅游需求预测.pdfVIP

管 理 工 程 学 报 V0L29．No．1 JournalofIndustrialEngineering／EngineeringManagement 2015年 第 l期 基于 SVR-ARMA组合模型的 日旅游需求预测 梁 昌勇 一，马银超 ，陈 荣 ，梁 焱 (1．合肥工业大学管理学院，安徽 合肥 230009；2．过程优化与智能决策教育部重点实验室，安徽 合肥 230009； 3．蚌埠学院经济与管理系，安徽 蚌埠 233000；4．黄 山风景区管理委员会 ，安徽 黄山 242700) 摘要 ：短期微观旅游需求具有强非线性特征 ，单一的模型很难做 出准确预测。针对此 问题 ，本文分析 了著名 风景区黄山2010年旅游旺季 (4—10月)相关 日数据的特征，在此基础上建立 SVR—ARMA组合模型，用 SVR模 型先对原始非线性数据预测 ，再对 SVR模 型预测所产生的线性残差用ARMA模 型预测 ，将两部分预测值几何相加 得最终的预测值。最后分别与单一的SVR和ARMA模型对 比，结果表 明该组合模型有更高更稳健的预测精度 ，很 适 合短期微 观旅游需求 。 关键 词 ：SVR—ARMA； 日旅游 需求预测 ；组合模型 中图分类号 ：F592 文献标识码 ：A 文章编号 ：1004—6062(2015)01—0122—06 0 引言 别是对一些著名的旅游风景区来说 ，短期微观 的预测更为重 2O世纪末以来 ，旅游逐渐成为人们生活的重要部分，致 要 ，尤其是在旅游旺季 ，精准 的预测可 以给风景 区的旅游管 使旅游业发展为世界上增长速度最快 ，最大的产业之一。根 理部门在人员，物资，交通等方面的调度协调上提供可靠 、科 据世界旅游组织 的研究预测 ，全球 国际旅游人数到 2020年 学 的依据 。因此 ，研究短期微观旅游需求预测模 型有非常重 将达到 16亿 ，带来的收益也会超过2万亿美元 ，而在 1999年 要 的理论意义和应用价值 。 只有6．64亿人次和4550亿美元…。 短期微观旅游需求 的外界客观影响因素甚多，具有很强 旅游业的蓬勃发展使得旅游需求预测 日益重要 。自上 的非线性特征 ，很难建立准确的单一模型。基于此本文结合 世纪 60年代 以来 ，旅游需求预测伴随着旅游业 的发展而快 著名风景区黄 山的旅游旺季建立 同时融合非线性和线性特 速发展 ，从早期的计量经济模型到现阶段神经网络 ，支持 向 征的SVR—ARMA 日游客人数预测组合模型，期望达到两个 量机等人工智能模型 ，国内外学者依靠现实背景主要在 目的：第一、将短期微观预测模型应用到旅游需求 中，为景区 模型方法的比较方面做 了大量研究，并取得 了很好 的效果， 旅游旺季 的 日旅游需求做 出准确预测 ，以提高景 区的管理能 如宋海岩等学者利用 ADLM等六种模型预测 了丹麦 的国际 力 ；第二、由于短期微观旅游需求预测 的复杂性，期望通过模 旅游需求 ；雷平和施祖麟对我 国入 境人次 月度指数用 型和实证表 明组合模型应是其首选 。 X12ARIMA等七类模 型进行预测 比较 ，表 明TRAMO／SATS 模型最为有效 ；Kuan—YuChen和 Cheng-HuaWanghe及 国 1 数据来源及特征分析 内学者李志龙等通过实证表 明带遗传算法的 SVR模型在旅 1．1 数据来源 游需求 预测 上 比BPNN 和 ARIMA模 型具有 更高 的准确 根据黄山风景 区游客流量分布特 点，每年 4月至 l0月 度 ；EsmaeilHadavandi等学者首次建立 GFS(遗传模糊系 风景区气候适宜，适合人们旅游 ，这段时间的客流量明显高 统)模 型，实验结果 显示 模型在旅游 需求预 测上更优 于 于其他月份 ，属于旅游旺季 。文章数据 的时间为 2010年旅 ANF1S模