基于分解集成的旅游需求自适应预测策略研究.pdfVIP

基于分解集成的旅游需求自适应预测策略研究 The adaptive forecasting strategy based on decomposition-ensemble model for tourism demand forecasting 学位申请人 毛小凤 指导教师 廖治学 学科专业 旅游管理 学位类别 管理学硕士 万方数据 分类号 密级 U.D.C 基于分解集成的旅游需求自适应预测策略研究 The adaptive forecasting strategy based on decomposition-ensemble model for tourism demand forecasting 学位申请人： 毛小凤 学 号： 220120203006 学科专业： 旅游管理 研究方向： 旅游需求预测 指导教师： 廖治学 定稿时间： 2023年2月25 日 万方数据 万方数据 摘要 摘要 作为 “五大幸福产业”之首，旅游业的高质量发展是实现人民对美好生 活的向往奋斗目标的重要路径。国务院印发的 《“十四五”旅游业发展规划》 指出 “在疫情防控常态化下，要以深化旅游业供给侧结构性改革为主线”， 强调 “注重需求侧管理”，因此综合运用多学科研究方法提升旅游需求预测 精度、积极推进旅游需求预测研究的实践应用已得到了学者们的广泛关注。 然而，由于旅游业的一些固有属性使得精确的旅游需求预测变得困难，一方 面旅游业容易受到各种内外部因素的冲击导致旅游需求波动剧烈，使得旅游 需求时间序列呈现出非平稳非线性的复杂特征，另一方面旅游需求预测对象 的多元化要求研究者们设计相应的预测模型，而这个过程往往费时费力。 因此，为了更好地处理这种复杂且多元化的旅游需求预测问题，本文提 出了一种基于分解集成的子序列自适应预测策略，该策略能够通过分解方法 降低时间序列的复杂度并且通过改进分解集成方法中的预测策略来解决旅游 需求预测中的多元化问题。具体而言，该策略同时考虑了各个子序列的不同 数据特征及其预测结果之间的关系，并且自适应地为各个子序列匹配相应的 预测模型以及确定模型的结构，能够有效克服分解集成相关研究中预测策略 存在的问题，从而提高分解集成模型的整体预测效果。此外，针对研究中模 型的自适应及高维化特征，本研究将处理高维优化问题的协同进化框架与启 发式算法 （差分进化算法）相结合，提出了协同进化差分进化算法 （CC- CoDE）来优化模型所涉及的参数。