發(fā)布時(shí)間：2020-03-23 05:29

【摘要】：準(zhǔn)確預(yù)測(cè)旅游量是一項(xiàng)具有挑戰(zhàn)性的任務(wù).研究表明,在線數(shù)據(jù)(如百度指數(shù))是一種新的數(shù)據(jù)來源,可以用來預(yù)測(cè)旅游量.在本文中,介紹了一個(gè)利用百度指數(shù)來預(yù)測(cè)旅游量的方法.而機(jī)器學(xué)習(xí)技術(shù),可以用來進(jìn)一步提高百度指數(shù)對(duì)旅游量的預(yù)測(cè)效果.首先,本文提取海南旅游量數(shù)據(jù)和相關(guān)的百度指數(shù)數(shù)據(jù),根據(jù)百度指數(shù)數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)搜索指數(shù),驗(yàn)證了網(wǎng)絡(luò)搜索指數(shù)與海南旅游量之間的協(xié)整關(guān)系和格蘭杰因果關(guān)系;其次,將預(yù)測(cè)模型的自變量分為時(shí)間序列和“時(shí)間序列+網(wǎng)絡(luò)搜索指數(shù)”兩類,利用機(jī)器學(xué)習(xí)來預(yù)測(cè)旅游量;最后對(duì)不同模型的預(yù)測(cè)效果進(jìn)行了評(píng)估.實(shí)驗(yàn)結(jié)果表明,與ARIMA(autoregressive integrated moving average)模型相比,自變量為“時(shí)間序列+網(wǎng)絡(luò)搜索指數(shù)”的核極限學(xué)習(xí)機(jī)(kernel extreme learning machine,KELM)模型的預(yù)測(cè)精度較高.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F592.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖書暢;;基于百度指數(shù)對(duì)投資者關(guān)注度測(cè)量指標(biāo)的研究[J];現(xiàn)代經(jīng)濟(jì)信息;2018年02期

2 王永斌;;誰在關(guān)注社會(huì)主義核心價(jià)值觀——基于百度指數(shù)的大數(shù)據(jù)分析[J];馬克思主義研究;2018年02期

3 柏正健;方華;;基于百度指數(shù)的投資者關(guān)注度對(duì)股票市場(chǎng)表現(xiàn)的影響[J];電子商務(wù);2018年12期

4 田冰;胡俞越;;投資者關(guān)注對(duì)滬深300股指期貨、現(xiàn)貨收益率的影響——基于百度指數(shù)的實(shí)證分析[J];中國(guó)證券期貨;2019年02期

5 邱瀘誼;李華;;基于百度指數(shù)的社會(huì)輿情研究[J];科技風(fēng);2018年33期

6 立夏;;生鮮電商:或成下一個(gè)電商時(shí)代的“門票”[J];農(nóng)經(jīng);2017年03期

7 李云鵬;;旅游場(chǎng)景驅(qū)動(dòng)的大數(shù)據(jù)應(yīng)用[J];旅游學(xué)刊;2017年09期

8 陳洪;劉q，

本文編號(hào)：2596265