人工智能方法在旅游预测中的应用及评析

被引：33

作者：

杨立勋

殷书炉

机构：

[1] 西北师范大学经管学院

来源：

旅游学刊 | 2008年 / 09期

关键词：

人工智能方法; 旅游预测; 应用; 评析;

D O I：

暂无

中图分类号：

F590 [旅游经济理论与方法]; F224 [经济数学方法];

学科分类号：

120203 ; 0701 ; 070104 ;

摘要：

20世纪90年代之前,对旅游需求预测一般采用传统的定量分析方法,而近20年来,诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求预测的研究之中。然而,国内外学者尚未对人工智能方法在旅游需求预测中的应用进行系统的整理与论述。为此,本文简要介绍了人工智能在旅游预测中的应用,并与传统的计量方法、时间序列方法进行了比较。同时,简略评述了其优缺点和发展趋势。

引用

页码：17 / 22

页数：6

共 13 条

[1] 旅游需求预测模型研究 [J].

覃频频 ;

陆凯平 ;

牙韩高 .

铁道运输与经济, 2006, (08) :73-75

[2] 旅游需求预测方法文献述评 [J].

任来玲 ;

刘朝明 .

旅游学刊, 2006, (08) :90-92

[3] 旅游客源预测模型及其对比 [J].

朱晓华 ;

杨秀春 .

地理与地理信息科学, 2004, (05) :84-86+94

[4]

遗传算法的基本理论与应用[M]. 科学出版社 , 李敏强等著, 2002

[5]

Tourism demand modelling and forecasting—A review of recent research[J] . Haiyan Song,Gang Li.Tourism Management . 2007 (2)

[6]

Forecasting tourism demand: a cubic polynomial approach[J] . Fong-Lin Chu.Tourism Management . 2003 (2)

[7] Incorporating the rough sets theory into travel demand analysis [J].

Goh, C ;

Law, R .

TOURISM MANAGEMENT, 2003, 24 (05) :511-517

[8]

A practitioners guide to time-series methods for tourism demand forecasting — a case study of Durban, South Africa[J] . C.J.S.C Burger,M Dohnal,M Kathrada,R Law.Tourism Management . 2001 (4)

[9] Spectral analysis of international tourism flows [J].

Coshall, J .

ANNALS OF TOURISM RESEARCH, 2000, 27 (03) :577-589

[10] A neural network model to forecast Japanese demand for travel to Hong Kong [J].

Law, R ;

Au, N .

TOURISM MANAGEMENT, 1999, 20 (01) :89-97

← 1 2 →