一种旅游数据最优权组合预测模型制造技术

本发明专利技术公开了一种旅游数据最优权组合预测模型。首先分析了旅游数据影响因素，按照旅游者，旅游目的地和外部环境对旅游数据影响因素进行了分类；采用灰色关联度对影响旅游收入和入境旅游人数的旅游数据影响因素进行了分析；按照权重值大小对关联度进行了排序，从而得到了各影响因素重要性程度的分布。然后基于最小二乘准则构建了最优权组合预测模型，该模型采用最小二乘法准则，在残差平方和最小的条件下，求得各模型的最优权重值，将GM(1,l)模型和支持向量回归模型通过最优权组合在一起。最后通过最优权组合预测模型，求得最终预测值。本发明专利技术的有益效果是给出了旅游数据的最优权组合预测模型，并得到有效预测，使得旅游景区控制、旅游相关产业开发得到了有效决策数据支撑，进而促进旅游景区经济效益的提高和旅游环境的优化开发。

【技术实现步骤摘要】

本专利技术属于数据处理
，涉及一种旅游数据最优权组合预测模型。
技术介绍
旅游业作为我国经济组成部分之一，保持它的健康快速发展能够促进相关产业的 成长，进而推动中国经济的总体发展。在改革开放以后，社会经济高速发展在很大程度上提 高了人们的生活水平，中国的旅游业发展迅速且已经呈现出较大的优势，成为成长性能良 好的服务产业。旅游业不仅是推进服务业发展的主要力量，还是一个对劳动人员需求较大 产业，对解决国家的就业问题起到很大的作用。随着人们群众对旅游消费日益高涨的需求 和国家对产业结构的调整，旅游业必须加快改革以适应新的发展。保持旅游业快速平稳的 增长，对于提高就业率、增加国民收入，促进各地区平衡发展和经济平稳增长具有重大的意 义，因此，对旅游业的持续快速发展做出科学的战略规划至关重要。随着科技的发展，旅游 业数字化程度越来越高，这使得旅游数据的获取越来越方便，对这些数据进行全方位的挖 掘，既可以对游客的旅行决策提出建议和规划，也可以为政府部门在旅游方面的投入和决 策提供依据，是一个比较有意义的研究课题。 目前还没有基于灰色理论与支持向量回归模型，通过最优权组合预测的方法能够 将旅游数据收集、并根据收集的数据进行关联度分析，进而对未来旅游总收入和旅游人数 进行有效预测，这样使得景区控制、旅游相关产业开发缺少有效决策数据支撑，进而影响到 旅游景区经济效益的提高和旅游环境的优化开发。
技术实现思路
本专利技术的目的在于提供一种旅游数据最优权组合预测模型，解决了目前没有合适 的旅游数据分析预测有效模型，导致旅游景区控制、旅游相关产业开发缺少有效决策数据 支撑，进而影响到旅游景区经济效益的提高和旅游环境的优化开发问题。 本专利技术所采用的技术方案是按照以下步骤进行： 步骤1 :首先分析旅游数据影响因素，按照旅游者，旅游目的地和外部环境对旅游 数据影响因素进行分类； 步骤2 :采用灰色关联度对影响旅游收入和入境旅游人数的旅游数据影响因素进 行分析； 步骤3 :按照权重值大小对关联度进行排序，从而得到各影响因素重要性程度分 布； 步骤4 :构建基于最小二乘准则的最优权组合预测模型；使用GM(1，1)模型和支持向量回归模型构造组合模型，采用最小二乘法准则，求 得残差平方和最小时各模型的权重值，然后求得最终预测值。 进一步，所述步骤1中旅游数据影响因素分为三个方面：游客个人因素：包括可支 配收入、可自由支配时间、自身偏好、消费意识、消防行为习惯；旅游目的地因素：包括旅游 特色、知名度、旅游价格、旅游配套服务、交通；外部环境因素：包括经济发展水平、CPI、时 政政策、特殊事件。 进一步，所述步骤2的方法为： 1)设原有序列Xi=;i=0, 1，2, · · ·，m，其中η为数列的 长度，且共收集到m+1个指标序列，构成如下矩阵： 2)进行无量纲化，求各序列的均值像，令： X/ = Xj/A^ , i = 0, 1, 2, . . . , m其中Ai= (x ?(1)+Χ?(2)+...+Χ?(η))/η ; 得到无量纲矩阵： 3)求差序列，差序列计算公式ΔJk) = |x'Q(k)-xi'（k) |，k= 1, 2,. . . ,n，i= 1，2,· · ·，m，得差值矩阵：4)求差值矩阵中最小差和最大差，记为m=Δ min，Μ=Δ max; 5)计算关联系数：ξ分辨系数，ξe(0，1)，通常取ξ=0.5,得关联矩阵： 其中a^GO表示特定的影响因素特定年份所占的权重。 进一步，所述步骤3的方法为：1)原始数组用矩阵表示如下： 2)数据的无量纲化，无量纲化的数据矩阵记为： 3)确定样本正理想值和负理想值，分别用B+和B表示： 4)计算样本点之间的距离： 计算相对接近度公式为： 对Ckl做归一化处理，得到所求权重值： 进一步，所述步骤4中使用GM(1，1)模型和支持向量回归模型构造组合模型，记 为：yi(x)和y2(x)将两个预测模型yi(x)和y2(x)构成的组合预测模型记为Κ=Φ(.?',J，:）， 该组合模型中各单模型的权重值组成向量kT= ，且向量满足1^+1?2= 1，得到组合模 型数学表达式： Y-/c,V, +k,vi： 设yT= (y」i= 1，2)为实际测量向量，义.:=(九|/二·1,2)为第i个模型的预 测值向量，组合模型的预测值矩阵为Κ= ，预测残差矩阵E= ，其中 吟=<! -#?|i=U)是第i个模型的预测残差向量，组合模型的预测值向量和预测残差 向量可表示为： y"和eT=kTET 根据最小残差平方和的准则，可构造：式中可SmT= (1，1)的2维列向量，其元素全为1，有mTk= 1,1 = ??，对上式 进行求解，可得到模型存在唯一解： 得出各单个模型在组合模型中的最优权重值以及组合模型的最小残差平方和。 本专利技术的有益效果是给出了旅游数据的最优权组合预测模型，并得到有效预测， 使得景区控制、旅游相关产业开发得到了有效决策数据支撑，进而促进旅游景区经济效益 的提高和旅游环境的优化开发。【具体实施方式】 下面结合【具体实施方式】对本专利技术进行详细说明。 本专利技术的技术方案步骤如下： 步骤1:首先分析旅游数据影响因素，按照旅游者，旅游目的地和外部环境对旅游 数据影响因素进行分类； 本专利技术将旅游数据影响因素分为三个方面：游客个人因素：包括可支配收入、可 自由支配时间、自身偏好、消费意识、消防行为习惯；旅游目的地因素：包括旅游特色、知名 度、旅游价格、旅游配套服务、交通；外部环境因素：包括经济发展水平、CPI、时政政策、特 殊事件。 游客个人因素：旅游者个人因素一般指那些将潜在旅游对象变成真正旅游者的因 素，经过分析发现它可以分成两部分：客观因素和主观因素。客观方面包括旅游者家庭和个 人的收入水平，可支配收入，空闲时间等。家庭和个人收入水平的提高，使得人们在满足物 质生活的基础上对精神文化有了更多的追求，而旅游是享受精神文化最主要的一种形式。 由于经济的快速发展，个人收入在快速增长的同时生活成本也在大幅增加，这就使可支配 收入成为衡量人们追求精神消费的一个重要指标。空闲时间也就是人们可自由支配的时间 越长，人们旅游的倾向越高，反之则越低。 主观方面包括个人的年龄，职业，教育水平，消费意识，消费习惯以及所处的文化 环境等。青少年相对其他年龄阶段更喜欢外出游山玩水，参加体育运动。不同职业教育水 平也会对旅游者产生影响。同时个人所处的环境，周围朋友、亲戚对旅游喜好程度都会对个 人产生影响。随着社交网络和互联网的普及，人们更容易受到所处文化，社交环境的影响。 这些因素并不是完全独立的，有些会相互影响，从定性分析，消费意识和消费习惯 跟游客自身性格和所处环境有关，即跟年龄，职业，教育水平存在关系。 旅游目的地因素：旅游目的地是指一个地区内一系列不同的自然、文化、艺术或环 境资源的总和，同时也可以指一个地区内具有的吸引游客的产品总和。影响游客选择旅游 目的地的因素中最重要的是旅游价格，旅游价格主要包括两部分，一是在旅游目的地消费 的旅游产品价格，包括游览景点门票、娱乐消费、内部交通花费、餐饮、住宿和购物等；当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种旅游数据最优权组合预测模型，其特征在于按照以下步骤进行：步骤1：首先分析旅游数据影响因素，按照旅游者，旅游目的地和外部环境对旅游数据影响因素进行分类；步骤2：采用灰色关联度对影响旅游收入和入境旅游人数的旅游数据影响因素进行分析；步骤3：按照权重值大小对关联度进行排序，从而得到各影响因素重要性程度分布；步骤4：构建基于最小二乘准则的最优权组合预测模型；使用GM(1,l)模型和支持向量回归模型构造组合模型，采用最小二乘法准则，求得残差平方和最小时各模型的权重值,然后求得最终预测值。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘太安，刘纪敏，魏光村，林晓霞，安新军，杨晓东，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37