基于支持向量机旅游需求预测  

SUPPORT VECTOR MACHINE IN FORECASTING TOURISM DEMAND

作　　者：李志龙[1] 陈志钢[2] 覃智勇[1] 

机构地区：[1]湖南商学院旅游管理系,中国湖南长沙410205 [2]中山大学旅游学院,中国广东广州510275

出　　处：《经济地理》2010年第12期2122-2126,共5页Economic Geography

摘　　要：针对旅游预测中常存在旅游因子难以确定、样本容量小等特点,探讨了一种新的预测方法——支持向量机回归算法(SVR)在旅游需求时间序列预测中的应用。以2004年1月至2007年4月的中国入境旅游人数月度数据为样本,建立了入境旅游需求预测的SVR模型。通过对模型的检验并与神经网络模型(BPNN)的比较,其结果表明SVR模型更优于BPNN模型。Considering influent factors are difficult to research and the amount of sample is small in forecasting the tourism demand, a new technique——support vector regression, to be applied to forecasting time series of tourism demand, was discussed in the paper. The monthly date set of international tourist arrivals to China during 2004.4-2007.1 was employed to establish the model of SVR. Though comparing with the model of BPNN, the result indicates the SVR was better than BPNN.

关 键 词：支持向量机 旅游需求预测 神经网络模型(BPNN) 

分 类 号：F59[经济管理—旅游管理]