基于线性和非线性组合模型的国内旅游需求预测

摘要

近几年，旅游业以惊人的速度发展，成为世界上发展势头最强劲的产业之一，它强劲的带动了经济的发展，越来越多的国家和地区将其定位为支柱性产业，大力开发旅游业，希望能带动整个社会经济的发展。因此，旅游需求预测能为国家旅游主管部门制定发展政策和战略规划提供依据，引导旅游市场资源优化配置，为旅游企业对自身的发展提供参考。
　　目前，关于国内旅游需求分析预测模型，常用的有一般线性回归模型、时间序列模型、灰色模型、人工神经网络模型等。这些模型都可以用于国内旅游需求预测，但具体用什么模型，没有统一的定论。本文主要采用了回归模型中的五种常用回归方法、灰色系统理论、BP神经网络和组合模型对国内旅游需求进行了分析预测。
　　首先分析了与国内旅游需求相关的影响因素，然后利用回归模型中常用的五种模型对国内旅游需求进行预测分析，并比较了不同模型的优缺点；其次采用灰色关联度分析了相关影响因素对国内旅游需求的影响程度大小，并用 GM（1,1）模型对旅游需求进行了预测；再次，应用了经典的 BP神经网络模型对旅游需求进行建模，并运用 BP网络对 GM（1,1）模型进行修正，提高预测的精度；最后利用 BP神经网络对灰色GM（1,1）模型和 lasso回归模型进行组合，将得到的组合模型用于旅游人数预测，结果表明，组合模型能涵盖更多的信息，且预测精度更高。

目录

声明

1 引 言

1.1 问题的提出及选题意义

1.2 国内外研究现状

1.3 论文的主要内容和技术路线

2 国内旅游需求影响因素分析

2.1 旅游需求与国民经济发展水平的关系

2.2 旅游需求与人民生活水平的关系

2.3 旅游需求与人口特征的关系

2.4 旅游需求与交通条件的关系

2.5 旅游需求与旅游供给能力的关系

3 基于线性的国内旅游需求预测

3.1 线性回归概述

3.2 经典线性回归模型与最小二乘估计

3.3 子集选择

3.4 岭回归

3.5 Lasso 回归

3.6 主成分回归

3.7 本章小结

4 基于灰色系统理论的国内旅游需求预测

4.1 灰色系统理论系统概述

4.2 灰色系统理论简介

4.3 旅游需求影响因素的关联度计算分析

4.4 灰色 GM（ 1,1）模型在我国国内旅游需求预测中的应用

5 基于 BP神经网络的国内旅游需求预测

5.1 人工神经网络简介

5.2 BP 神经网络

5.3 BP 神经网络模型在我国旅游需求预测中的应用

5.4 BP 神经网络对 GM（ 1,1）模型的修正

6 基于组合模型的国内旅游需求预测

6.1 灰色神经网络的三种模型

6.2 基于组合模型的国内旅游需求预测

6.3 本章小结

7 结论与展望

7.1 结论

7.2 展望

致谢

参考文献

附录 A

附录 B