基于SVR-ARMA组合模型的日旅游需求预测

被引：39

作者：

梁昌勇 ^{[1
,2
]}

马银超 ^{[1
,2
]}

陈荣 ^{[1
,2
,3
]}

梁焱 ^{[4
]}

机构：

[1] 合肥工业大学管理学院

[2] 过程优化与智能决策教育部重点实验室

[3] 蚌埠学院经济与管理系

[4] 不详

来源：

管理工程学报 | 2015年 / 29卷 / 01期

关键词：

SVR-ARMA; 日旅游需求预测; 组合模型;

D O I：

10.13587/j.cnki.jieem.2015.01.016

中图分类号：

F592 [中国旅游事业]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

短期微观旅游需求具有强非线性特征,单一的模型很难做出准确预测。针对此问题,本文分析了著名风景区黄山2010年旅游旺季(4-10月)相关日数据的特征,在此基础上建立SVR-ARMA组合模型,用SVR模型先对原始非线性数据预测,再对SVR模型预测所产生的线性残差用ARMA模型预测,将两部分预测值几何相加得最终的预测值。最后分别与单一的SVR和ARMA模型对比,结果表明该组合模型有更高更稳健的预测精度,很适合短期微观旅游需求。

引用

页码：122 / 127

页数：6

共 20 条

[1] 基于SVR的期权价格预测模型
杨建辉
李龙
[J]. 系统工程理论与实践, 2011, 31 (05) : 848 - 854
[2] 基于支持向量机旅游需求预测
李志龙
陈志钢
覃智勇
[J]. 经济地理, 2010, 30 (12) : 2122 - 2126
[3] 基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测
张华
任若恩
[J]. 系统工程理论与实践, 2010, 30 (06) : 1016 - 1020
[4] 基于ARMA(p,q)模型的企业年金精算研究
师应来
蔡超
[J]. 数量经济技术经济研究, 2008, 25 (11) : 127 - 136+148
[5] 我国入境旅游人次月度指数预测模型比较研究
雷平
施祖麟
[J]. 旅游学刊, 2008, (03) : 24 - 28
[6] 旅游需求预测方法文献述评
任来玲
刘朝明
[J]. 旅游学刊, 2006, (08) : 90 - 92
[7] Electric load forecasting by seasonal recurrent SVR (support vector regression) with chaotic artificial bee colony algorithm
Hong, Wei-Chiang
[J]. ENERGY, 2011, 36 (09) : 5568 - 5578
[8] Meta-learning for time series forecasting and forecast combination[J] . Christiane Lemke,Bogdan Gabrys.Neurocomputing . 2010 (10)
[9] Tourist arrival forecasting by evolutionary fuzzy systems[J] . Esmaeil Hadavandi,Arash Ghanbari,Kamran Shahanaghi,Salman Abbasian-Naghneh.Tourism Management . 2010 (5)
[10] Forecasting electricity demand in Japan: A Bayesian spatial autoregressive ARMA approach[J] . Yoshihiro Ohtsuka,Takashi Oga,Kazuhiko Kakamu.Computational Statistics and Data Analysis . 2009 (11)

← 1 2 →