论文部分内容阅读
随着世界经济、社会的快速发展和人们在满足基本生活水平后对高品质生活的不断追求,世界旅游业呈现蓬勃发展的趋势。中国作为世界旅游业重要接待国,国际/国内旅游收益的不断增加,为中国经济、社会的发展做出了重要贡献。因此,必须深入旅游需求预测分析研究,实现中国旅游业高效、可持续发展发展。 旅游需求预测分析技术有多种。常用技术主要集中在线性方法体系中。现实世界各因素间呈非线性关系,线性方法技术只能得到对现实世界的逼近,非真实的揭示;非线性技术中应用最广泛的人工神经网络(ANN)技术预测能力仍显不足,敏感性分析不完善,影响了该技术的实际价值。 文将自适应网络模糊推理系统(ANFIS)模型引入旅游需求分析体系,欲达到三个目的:第一,建立具有较高预测精度的预测模型,为旅游规划、经营管理工作提供决策依据;第二,降低对数据的依赖程度,降低数据搜集成本,增加预测模型在不同旅游部门应用宽泛性;第三,丰富现有旅游需求分析技术,拓宽旅游研究人员的选择性。 文章对常用旅游需求分析技术进行总结和比较,导出自适应网络模糊推理系统模型的详细讨论,采用2000年1月至2008年12月日本至中国旅游需求数据作为目标样本。供选取的影响因子分别为月份(Mom)、日本/中国月度消费者价格指数(CPIJ/CPIC)、月度消费者价格比(SPR)、月度人民币对日元汇率中间价(ER)、日本年度人口(Pop)、日本年度民间最终消费支出(PFCE)和日本人均民间最终消费支出(PFCEPC)。采用数据分割(DataSplitting)技术随机将样本分割为训练数据集(TrainingData)和测试数据集(TestingData)。前者对模型做训练,获取有效参数;后者对训练后模型做验证,检验模型在面对未知情景时的可靠性。进而应用敏感性分析方法,研究旅游需求对影响因子的敏感性。 结果表明,文章三个目的全部达到。与传统旅游需求预测分析技术相比,ANFIS模型具有独到优势:(1)ANFIS模型预测国际旅游需求的精度在所有模型中最高。以PE、R、MAD、MAPE和RMSPE测量,误差在所有模型中均最低。(2)ANFIS模型预测国际旅游需求对数据的要求最低。在预测NIT和EIT时仅需Mon、PFCE两个因子和Mon、CPIJ、CPIC三个因子。(3)ANFIS模型的敏感性分析更贴近于实际经济社会背景。能够得到较贴合现实生活的敏感性曲线和敏感性曲面。 最后,总结了文章的不足,并对今后的深入研究提出设想和建议。