王洋

摘 要：通過多種模型組合對成都市入境旅游人數(shù)進行預(yù)測，說明這種方法的合理性。通過對成都市入境旅游人數(shù)的預(yù)測，能夠為當?shù)卣u估旅游對當?shù)亟?jīng)濟發(fā)展的整體貢獻度，從而制定旅游業(yè)發(fā)展政策、指導(dǎo)旅游市場資源的合理使用與配置提供技術(shù)支持。

關(guān)鍵詞：入境旅游;需求預(yù)測;IOWA算子;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：F592 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2019）03-0178-02

成都市入境旅游業(yè)最近幾年取得了快速的發(fā)展，為促進成都市經(jīng)濟發(fā)展做出了較大貢獻。然而，入境旅游業(yè)是一個十分敏感的行業(yè)，各式各樣的突發(fā)事件和國際上經(jīng)濟、政治的動蕩等問題都有可能對入境旅游業(yè)產(chǎn)生非常大的影響。

論文通過引進IOWA算子，從而建立IOWA組合預(yù)測模型，最后對成都市入境旅游人數(shù)進行預(yù)測，通過對成都市入境旅游人數(shù)預(yù)測結(jié)果的分析，說明了這種方法具有一定的意義。能夠為當?shù)卣u估旅游對當?shù)亟?jīng)濟發(fā)展的整體貢獻度從而制定旅游業(yè)發(fā)展政策、指導(dǎo)旅游市場資源的合理使用與配置提供了技術(shù)支持。

一、IOWA組合預(yù)測原理

（一）IOWA算子

則稱函數(shù)FW是由v1，v2，…，vm所產(chǎn)生的m維誘導(dǎo)有序加權(quán)平均算子，簡記為誘導(dǎo)有序加權(quán)平均算子[1～2]，vi是ai的誘導(dǎo)值。其中，v-index（i）是v1，v2，…，vm中按從大到小的順序排列的第i個大的數(shù)的下標，W=（w1，w2，…，wm）T是OWA的加權(quán)向量，滿足：

（二）IOWA組合預(yù)測模型

1.求出最優(yōu)權(quán)系數(shù)。模型如下：

2.多步預(yù)測公式。（T）表示第i個單項預(yù)測模型以第N年作為起點，在過去的T年內(nèi)對成都市入境旅游人數(shù)預(yù)測的預(yù)測精度。

第N+T年的多步組合預(yù)測模型如下：

二、實例分析

本文所用數(shù)據(jù)主要是從成都市統(tǒng)計局網(wǎng)站、成都市旅游局網(wǎng)站以及《成都市統(tǒng)計年鑒》中獲得的基于時間序列的旅游統(tǒng)計數(shù)據(jù)。采用Matlab進行計算，對成都市2018—2020年的入境旅游人數(shù)進行預(yù)測。

（一）數(shù)據(jù)

（二）三種單項預(yù)測模型

1.灰色GM（1，1）模型[3]。模型為：

=294.7e0.1536k+253.8

計算出預(yù)測值1），再把（1）累減生成（0），從而得到成都市入境旅游人數(shù)的預(yù)測值。預(yù)測2018年、2019年、2020年的成都市入境旅游人數(shù)為360.6萬人次、420.5萬人次、490.3萬人次。

2.三次平滑指數(shù)模型[4]。通過Matlab計算，?。孔?0.4，當T=14時的預(yù)測模型為：

預(yù)測2018年、2019年、2020年的成都市入境旅游人數(shù)（萬人次）為：

3.BP神經(jīng)網(wǎng)絡(luò)模型[5]。依據(jù)具體情況，創(chuàng)建由一個輸入層、一個隱含層、一個輸出層組成的三層BP網(wǎng)絡(luò)模型。可得到2018年、2019年和2020年成都市入境旅游人數(shù)預(yù)測值分別為347.2萬人次，390.5萬人次，440.6萬人次。

（三）IOWA組合預(yù)測模型

最優(yōu)化模型：

經(jīng)過計算，誘導(dǎo)有序加權(quán)平均組合預(yù)測模型的最優(yōu)權(quán)系數(shù)為：

預(yù)測結(jié)果（見表2）。

三、結(jié)語

本文選擇兩個誤差指標用來評價模型的預(yù)測效果：

分別計算三種單項預(yù)測模型以及IOWA組合預(yù)測模型對成都市入境旅游人數(shù)的預(yù)測誤差，結(jié)果（見表3）。

從本文表3可以看出，三種單項預(yù)測模型對成都市入境旅游人數(shù)預(yù)測兩個誤差指標值均明顯高于IOWA組合預(yù)測的兩個誤差指標值，說明本文提出的組合模型可以有效地提高預(yù)測精度。