2025【灰色预测模型在旅游供应链中的应用计算案例4100字】.docxVIP

下载本文档

0
0
约4.96千字
约 10页
2025-05-18 发布于湖北
举报
版权申诉

2025【灰色预测模型在旅游供应链中的应用计算案例4100字】.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

灰色预测模型在旅游供应链中的应用计算案例综述

旅游行业作为第三产业的重要支柱，为GDP的增长做出了重大的贡献，它已经发展成为一个重要的供应链，包含了景区管理、餐饮、住宿、旅游产品开发等，对于带动当地的就业和经济发展有重要的作用，并且旅游业不需要消耗能源，对环境的污染少，是体现“绿水青山就是金山银山”理论的重要行业。为了推动旅游行业大发展，国务院在2018年出台了《关于促进全域旅游发展的指导意见》，2019年出台了《关于进一步激发文化和旅游消费潜力的意见》[19]。

旅游供应链是以景区为核心，包括酒店、旅行社、交通部门（包括汽车、铁路及航空）、餐饮服务、销售商及旅客等众多环节和部门组成的综合性的商业模式[20]。旅游供应链围绕着旅游目的地的核心景区，管理着供应链中的人流、物流、资金流与信息流等的流动过程，通过游客的身心体验直接或间接地实现各个环节中价值的最大化[21]。

截止到目前,关于国内旅游供应链的研究主要集中在定性方面,利用实际的旅游数据进行定量分析,并借助统计模型进行实证分析的较少。特别是由于旅游供应链涉及到的环节众多，复杂性较大，而且数据较难收集，或者收集到的数据缺失的比例较大、时间不连贯等问题普遍存在，这些问题都加剧了对旅游业进行定量分析的难度。本课题选择灰色预测模型对旅游供应链金融进行预测，因为灰色模型对于处理样本量小、存在缺失数据的情况存在较大的优势。

灰色预测模型可以将需要处理的原始数据，包括“贫信息”的数据变成有规律的时间序列分析数据。在灰色预测模型中，单序列一阶线性微分方程模型GM(1,1)是一种常见的模型，通过该模型，在灰色预测值的基础上进行精度检验，具有较好的预测效果[22,23]。

1.GM(1,1)模型

把2010-2018年国内游客量数据作为原始数据（单位亿），即

x={21.03,26.41,29.57,32.62,36.11,40.0,44.4,48.8,50.01}

计算数列的级比为{1,0.88116,0.88976,0.89034,0.88993,0.88977,0.88991,0.89008,0.88988}。

可以看出所有的级比m都可以落在覆盖区间内，表明原始数据适合建立GM（1，1）模型。

由MATLAB编程得QUOTEα=?0.2315，b=1.5292×10

。

QUOTExk+1=x1+1.0505×104e0.2315k+1?e

表5-1指标分析

等级

相对误差q

方差比c

小误差概率p

0.01

0.35

0.95

0.05

0.5

0.8

III

0.1

0.65

0.7

0.2

0.8

0.6

2.模型预测

根据相对误差序列的均值，标准差，划分状态标准，则可将原始数据划分为2组，相对误差序列的范围为（-0.07,0.05），即（，0.03286），（0.03286，）。将原始数据划分为2组，。GM（1，1）模型的相对误差绝对值的平均值为3.1499%。利用2010-2018年的旅游数据，对未来三年的数据进行预测[24,25]，结果如下表所示。

表5-2GM（1,1）模型预测结果

序列

年份

原始值

GM（1，1）预测值

年增长率%

相对误差

2010

21.03

2011

26.41

26.32

25.15

0.01736

2012

29.57

29.66

12.68

-0.03526

2013

32.62

32.87

10.08

-0.03687

2014

36.11

36.29

10.04

-0.04024

2015

40.00

39.99

10.19

0.01022

2016

44.4

44.32

10.82

0.01181

2017

48.8

48.76

10.01

0.01465

2018

50.01

49.94

8.52

0.01852

2019

60.25

20.64

2020

73.91

22.67

2021

82.57

11.71

（模型处理的只是正常情况，若遇到重大灾难或突发事故，例如出现新冠疫情，实际的数据将与模型的结果有差异）

3.模型结果分析

从表5-2可以看出，2010-2018年的旅游数据中GM（1,1）模型的预测值与原始值的吻合度较好，说明灰色预测模型的准确性较高，其预测结果是可信的。表格最后三行给出了2019、2020、2021年旅游数据的预测值，因为新冠疫情的爆发属于非正常情况，故2020和2021年的预测数据不再具有参考价值，但从2019年的数据来看，预测值为60.25亿，通过查阅资料获得的真实数据为60.1亿，真实结果与预测数据