论文部分内容阅读
当前,随着国民经济水平的提高以及人们思想观念的改变,越来越多的人把外出旅游作为休闲娱乐的一种,庞大的人流量给旅游市场带来巨大经济效益的同时,也给景区的交通、生态环境造成压力。因而,提前对游客流量进行预测以便采取相应措施显得尤为重要。在众多对游客流量进行预测的方法中,时间序列分析法和灰色模型预测法是最常见的两种方法。单个模型通常不能考察到数据的所有特点,可能会对预测产生误差。因此,结合不同模型特点的组合模型是处理预测的一个重要课题。本文主要是针对时间序列模型和灰色模型方法对广东省游客流量预测的应用研究。本文的工作可归纳如下:1)利用三种时间序列分析预测模型(即:包括具有短记忆性的求和自回归滑动平均(ARIMA)模型和季节性差分自回归滑动平均(SARIMA)模型,具有长记忆性的分形自回归滑动平均(ARFIMA)模型),对2001年到2018年的广东省游客人数数据集进行测试。测试结果表明,在长期预测中,ARFIMA模型的预测效果较好,在短期预测中,ARIMA模型的预测效果最差,偏离真实值较远,SARIMA模型与ARFIMA模型的预测效果相近。2)针对长记忆ARFIMA模型,本文利用二项式和矩阵知识对具体分数阶差分过程进行推导,在广东省游客人数数据集上进行测试。测试结果表明,在长期预测中,ARFIMA模型预测值与真实值的相对误差值始终保持在一个合理的范围,预测效果较好。3)针对长记忆ARFIMA模型的预测效果,本文结合灰色预测(FGM(1,1))模型对其进行了一定的改进,提出了基于ARFIMA模型的FGM(1,1)-ARFIMA改进模型,在上述相同的数据集上进行测试。测试结果表明,在长期预测过程中,改进了的FGM(1,1)-ARFIMA模型能在一定程度上提高ARFIMA模型的预测精度。