红色旅游网络关注度和客流年内变化周期分析.docVIP

红色旅游网络关注度和客流年内变化周期分析 　　摘要：文章运用小波分析方法对遵义红色旅游网关注度及客流的年内变化进行研究，研究发现二者年内具有周周期和旬周期的波动规律。这一研究发现对旅游地的客流预测和旅游营销具有一定的理论指导意义和实际运用价值。 　　关键词：红色旅游；网络关注度；客流；遵义 　　红色旅游是国民喜爱的重要旅游类型之一，遵义凭据遵义会议会址等珍贵的红色旅游资源而受到社会大众的广泛关注和青睐并由此发展成为国内知名的红色旅游地。关注旅游地的相关旅游信息是旅游者做出旅游决策的重要环节，李山、龙茂兴等人的研究认为旅游地网络关注度与客流具有密切的相关性，而且网络关注度是旅游客流的前兆，但这些研究成果中对旅游地网络关注度和客流的年内变化周期的相关性等问题尚未进行有效分析和判别，为此本文以遵义红色旅游为例对这两个问题展开探讨。 　　一、周期识别的研究方法 　　旅游地网络关注度指数及旅游客流在年内随时间变化而变化，总体上呈有限个周期波互相迭加。尽管影响旅游地网络关注度指数变化的因素复杂多样，但因国内实行统一的法定假日制度和工作时间制，人们的休闲时间整体上较为一致，所以旅游地的网络关注度指数和客流也存在相应的周期变化。然而，这些变化周期不像天体运动那样具有严格的周期，易于识别，需运用相应的分析方法对其年内时序变化展开分析。 　　时间序列的周期分析方法有很多，主要有简单分波法、傅立叶分析法、功率谱分析法、最大嫡谱分析法、小波分析法等。本文运用小波分析法对遵义红色旅游的网络关注度指数及客流的年内时间变化展开分析，探究其时间变化周期。 　　1.小波分析法 　　小波分析（wavelet analysis）的理论基础是Fourir分析法。Fourier分析方法可以有效确定信号在整个时间域上的频谱特性，却不能有效反映信号在某一局部时间附近的频谱特性，故而在时间域上缺乏分辨率功能。虽然加窗Fourier变换（SFT）具有时频局部化的功能，但其固定的窗口大小和形状使其分辨率效果仍存在诸多局限。1980年，Morlet在继承和发展SFT的基础上提出的小波分析法有效解决了反映信号的高频成分需要窄的时间窗、反映低频成分需要宽的时间窗等问题，创造了一个灵活可变的时间-频率窗。 　　小波分析法是Fourier分析的飞跃性发展，是一种调和分析方法。虽然小波分析的窗口大小是固定的，但其形状可以改变，可在某一局部时间对时频窗进行调整，提高分辨率。因此小波分析法能很好地描述非平稳信号，具有自适应的时频窗口：低频时，时间窗口增大，频域窗口较小；高频段时，频域窗口增大，时间窗口减小。小波分析对时域和频域同时具有良好的局部化功能，可以对时间序列进行局部化分析，剖析其内部精细结构。因此，本文利用小波分析的功能优势分析遵义市年内逐日旅游关注度和客流时间序列变化的周期性。 　　2.小波分解原理 　　在小波分析计算中可采用Mallat快速算法对网络关注度时间序列数据进行多尺度分解，其算法表述如下 　　式中，cj为其前一次分解cj-1的平滑逼近，c0为原始信号X，则c1为在一个算子的作用下对c0的平滑逼近，dj=cj-cj-1为相邻两次平滑逼近的差，H、G为L2（z）～L2（z）的算子，分别如下 　　式中，？?、φ分别为小波函数和相应的尺度函数。由式（1）可将原信号X分解为cj和d1，d2，…，dJ（J为最大分解层数），cj、dj分别为原始信号X在分辨率2j下的低频信号和高频信号。采用Mallat算法进行小波分解，每次分解后得到的低频信号与高频信号比分解前的信号点数减少1倍，点数减少对预测不利。因而，对小波分解后的信号进行重构，使分解时减少的点数还原，重构方法为 　　cj=H*Cj+1+G*Dj+1（4） 　　式中，H*、G*分别为H和G的对偶算子，j=J-1，J-2，…，0。 　　设cj和d1，d2，…，dJ分别进行重构得到的信号分别为CJ和D1，D2，…，DJ则有 　　X=D1+D2+…+DJ+CJ（5） 　　二、网络关注度与客流的年内变化周期分析 　　本文运用小波分析法，对遵义市两旅游地2010年全年逐日关注度指数和逐日客流的年变化进行时间序列分析，探究旅游地网络关注度和客流在时间尺度上的周期波动变化规律。 　　1.网络关注度的年内变化周期 　　现取遵义市2010年的逐日网络关注度数据和逐日客流数据作为原始序列，以matlab小波分析工具箱为建模工具，采用正交Daubechiees小波组中的db4小波函数对原序列365天的网络关注度数据进行小波分解，分解为三层，图1、图2为小波分解结果。图中S表示原始数据信号曲线，是遵义市红色旅游逐日网络关注度数据距平值变化曲线，横坐标表示时间日。遵义红色旅游年内逐日网络关注度变化受许多因素的影响，