摘要
采用当前使用极为广泛的9种方法,利用黄山风景区24年(1987年1月—2010年12月)的月度客流数据进行2年时间尺度的预测,并采用均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分误差(MAPE)和希尔不等系数(TIC)等4个预测性能指标对预测模型进行比较优化,发挥旅游客流预报对于景区管理者的决策支持作用。研究结果表明:ARIMA方法在预测性能4个指标中有3个最优,LS-SVM方法的MAPE表现最优。而其他方法在本研究中则未表现出明显的优势。
Based on 24 years’monthly data of tourist arrivals in Huangshan Scenic Areas,9 forecasting methods including widely used time series prediction methods,Least Square Support Vector Machine（LSSVM）,recently popular conbined prediction method,and etal.,are adopted to predict tourist arrivals of 2-year time scale,and optimized by Root Mean Square Error（RMSE）,Mean Absolute Error（MAE）,Mean Absolute Percentage Error（MAPE） and Theil Inequality Coefficient（TIC） in order that the proper method is chosed to help provide decision support for managers.The result shows autoregressive integrated moving average ARIMA perform best in RMSE,MAE,and TIC,LSSVM perform best in MAPE,but other prediction methods don’t present obvious advantage.
出处
《经济地理》
CSSCI
北大核心
2012年第7期152-158,共7页
Economic Geography
基金
国家自然科学基金项目(41071327)
安徽省高校省级人文社会科学研究重点项目(SK2012A118)
黄山学院科研项目(2011xkjq001)
关键词
月度数据
客流预测
方法优化
黄山风景区
monthly data
prediction of tourist arrival
method optimization
Huangshan ScenicAreas
