公共文化服务平台

搜索到236篇“ 旅游需求预测“的相关文章

基于JADE-TFT模型的可解释性旅游需求预测研究被引量：1: 2024年; 本研究提出了一种新颖的考虑疫情冲击的可解释性旅游需求预测框架,通过使用多源异构数据,即历史旅游量、本土新增确诊病例、百度指数、天气数据来预测新冠疫情影响下国内旅游需求变化。本研究引入疫情相关的搜索引擎数据的概念来进行旅游需求预测,并提出合成领先搜索指数和变分模态分解法结合处理搜索引擎数据的方法。同时,本研究提出了JADE-TFT可解释旅游需求预测模型,该模型利用带有外部归档的自适应差分进化算法智能高效地优化时域融合变换器的超参数。TFT是一种基于注意力的深度学习模型,将高性能预测与可解释的时间动态分析相结合,在预测研究中表现出优异的性能。TFT模型产生可解释的旅游需求预测输出,包括不同输入变量的重要性排序和不同时间步的注意力分析。基于黄山旅游数据的实际案例验证了所提出预测框架的有效性。可解释的实验结果表明,疫情相关的搜索引擎数据可以更好地反映后疫情时代游客对出行的担忧。; 吴彬溶王林; 关键词：旅游需求预测

基于时空协同效应的旅游需求预测及旅游物资配送研究: 随着国家不断发展与进步,旅游市场的客流量一直在稳步增长。旅游业的发展不仅能带来持续的经济效益,还为运输业和服务业提供了大量的就业机会。然而,游客的激增也带来一些负面影响。例如,旅游景点在游客数量和资源分配方面失衡会给游客...; 时婕; 关键词：旅游需求预测多源数据

面向多源数据细粒度情感挖掘的旅游需求预测: 2024年; 数字经济时代,消费者基于互联网社交媒体平台产生的搜索与评论等内容拓展了旅游需求预测的数据来源.虽然已有研究聚焦消费者对旅游目的地整体情感倾向的挖掘,但是少有研究考虑消费者对餐饮、住宿、交通和服务等细粒度层面的差异化评价对需求预测的影响.本文以九寨沟景区客流量预测为例,采用基于机器学习的细粒度情感分析方法对携程、去哪儿网、大众点评和美团等多源数据进行文本分析,构建涵盖八个维度的细粒度情感指数,对客流量开展一步和多步预测,并与包含搜索引擎指数及整体情感指数的模型进行对比.结果表明:在基于时间序列、机器学习和深度学习三种不同类型的预测模型中,包含细粒度情感指数的模型均能显著提高旅游需求预测的准确性.在样本外预测中,所构建的包含细粒度情感指数的模型较包含搜索引擎指数和整体情感指数的模型,预测精度平均提升17.78%和6.53%.本研究为数字经济时代多维数据驱动的旅游需求预测提供创新研究方法.; 李新王颖闫相斌谢刚汪寿阳; 关键词：多源数据旅游需求预测

基于多重共线性消除-反向传播神经网络模型的大数据旅游需求预测研究: 旅游业的快速发展为经济发展注入了新的动能,成为了拉动经济发展的重要力量,它直接创造了大量的就业机会,促进了酒店、餐饮、交通、零售等在内的相关行业的发展。旅游业的收入对于一些国家的国内生产总值(GDP)贡献显著,为经济的增...; 赵鑫; 关键词：旅游需求预测特征提取

基于时空依赖的细粒度旅游需求预测研究: 准确的旅游需求预测可以为旅游目的地管理及时提供预警,以便提前制定旅游管理策略、合理安排旅游资源。近年来,随着国民可支配收入和休闲时间不断增加,居民旅游需求也呈现出持续增长的良好态势,但旅游需求大幅增加引发的景区超载、拥堵...; 王海艳; 关键词：旅游需求细粒度

基于经验模态分解与人工智能模型的旅游需求预测方法及系统: 本发明涉及人工智能技术领域，提供的一种基于经验模态分解与人工智能模型的旅游需求预测方法，通过步骤S1‑S5，针对旅游景点的历史游客量数据序列，采用经验模态分解，形成N组模态分量IMF，构建时空图卷积模型，分别提取第一高阶...; 韩迪郭维汪勃澄冯建麟郭梓坤

基于混频深度学习的旅游需求预测研究: 当前,旅游市场呈现出快速恢复的态势,尤其是在“五一”小长假期间,旅游市场已经呈现出结构化的稳定复苏的格局,如何精准预测旅游需求又成为学术研究的重要课题。很多研究表明,传统的低频经济变量和高频网络搜索数据均能够有效地用于旅...; 李梅; 关键词：旅游需求

基于STL和带有注意力机制的LSTM的旅游需求预测方法: 一种基于STL和带有注意力机制的LSTM的旅游需求预测方法，包括：从旅游客流量数据中获取初始的时间序列；使用STL分解模型对初始时间序列进行分解，得到3个分解序列；将3个分解序列分别输入到一个共享的注意力层，获得每个序列...; 贾兆红金村界唐俊

相关作者