首页 首页 人工智能 查看内容

人工智能方法在旅游预测中的应用及评析

木马童年 2019-7-4 11:05 49 0

  20世纪90年代之前,对旅游需求预测一般采用传统的定量分析方法,而近20年来,诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求预测的研究之中。然而, ...

  [摘要]20世纪90年代之前,对旅游需求预测一般采用传统的定量分析方法,而近20年来,诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求预测的研究之中。然而,国内外学者尚未对人工智能方法在旅游需求预测中的应用进行系统的整理与论述。为此,本文简要介绍了人工智能在旅游预测中的应用,并与传统的计量方法、时间序列方法进行了比较。同时,简略评述了其优缺点和发展趋势。 中国论文网 https://www.xzbu.com/7/view-8637849.htm  [关键词]人工智能方法;旅游预测;应用;评析

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006(2008)09-0017-06

随着经济全球化和国际交流的不断深化,国际旅游业得到了长足的发展,各国都制定了不同的政策来支持鼓励旅游业的发展。旅游业对于平衡国际收支、改善贸易结构具有不可替代的作用,同时又是扩大对外开放、促进对外交流的重要手段。因此在过去20年里对旅游的研究也得到了前所未有的发展。而旅游需求模型与预测更是研究的重点。

对旅游需求研究开始于20世纪60年代,1960-2002年间有420篇论文研究该问题。

但真正的发展期却是80年代之后,其中有90%以上的研究论文是发表于这一时期,而近5年(2002-2007)来又有80多篇论文阐述此问题。在20世纪90年代之前,学者们一般采用的是传统的定性定量研究方法,如德尔菲法、生命周期法、计量经济方法、空间引力模型、时间序列等。而近20年来,诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求的预测研究之中。

对旅游需求研究文献进行整理和评述的有克劳奇(Crouch)、林(Lim)、威蒂(Witt)、李(Li)、宋和李(Song and Li),国内的主要研究者有覃频频等(2006)、任来玲等。由于受研究时间和条件所限,这些论文只是对传统的定量分析方法进行了述评,而对人工智能方法没有进行系统的论述。为此,本文简要而系统地介绍人工智能方法在旅游预测中的应用与研究,并将其与传统的定量方法进行比较分析。

一、人工智能方法在旅游预测中的应用

人工智能方法近些年越来越多地被应用到旅游预测中,主要有粗糙集方法、遗传算法、模糊时间序列、灰色理论、人工神经网络和支持向量机。人工智能的最大优点是对数据的概率分布等额外信息没有严格的要求,有更好的包容性和适应能力。

1 粗糙集方法(Rough Sets,RS)

粗糙集理论是1982年波兰学者帕莱克(z.Paw lak)提出的,它是一种刻画不完整性和不确定性的数学工具,能有效地分析不精确(Imprecise)、不一致(Inconsistent)、不完整(Incomplete)等各种不完备的信息,还可以对这些混乱的数据进行分析和推理,从而发现隐含的知识,揭示其潜在的本质规律。凯里.高与罗布’劳(Goh Carev and Law Rob)运用粗糙集理论对香港的10大客源国的旅游需求做了预测,并发现其准确率达到87.12%。奥和罗(Au andLaw)运用粗糙集理论分别对旅游购物、餐饮、观光支出进行了研究分析。粗糙集理论更注重的是分类机制,而非传统分析方法的准确预测,因而可以作为一种可行的辅助手段来进行分析与预测。

2 遗传算法(Genetic Algorithms,GA)

遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,它是由美国密歇根大学霍兰德教授(Holland)于1975年首先提出来的,并出版了颇有影响的专著《自然系统和人工系统的自适应》(Adaptation in Natural and Artificial Systems)。遗传算法类似于自然进化,通过作用于染色体上的基因寻找好的染色体来求解问题。与自然界相似,遗传算法对求解问题的本身一无所知,它所需要的仅是对算法所产生的每个染色体进行评价,并基于适应值来选择染色体,使适应性好的染色体有更多的繁殖机会。在遗传算法中,通过随机方式产生若干个所求解问题的数字编码,即染色体,形成初始群体;通过适应度函数给每个个体一个数值评价,淘汰低适应度的个体,选择高适应度的个体参加遗传操作,经过遗传操作后的个体集合形成下一代新的种群,对这个新种群进行下一轮进化。这就是遗传算法的基本原理。蒙萨拉特(Montserrat)用结合跃迁概率矩阵的遗传算法来进行旅游需求预测,通过研究发现这种组合模型比单一的遗传算法具有更好的预测精度。蒙萨拉特(Montserrat)和布格(Burger)都认为遗传算法更适合于解释旅游需求组合的变化。

3 模糊时间序列(The Fuzzy Time-series,TFT)

模糊时间序列是由宋和奇逊(Song andChisson。)首先提出的,是从动态的角度出发,综合分析这种模糊化的时间序列数据的结构特征,探索动态模糊系统的内在规律性,从而达到对动态模糊现象进行预测和分析的目的。模糊时间序列对于短期预测有很好的效果,王朝宏(Chao-Hung Wang)用模糊时间序列、灰色模型和马可夫链改进模型对台湾的旅游做了预测,并通过误差分析发现模糊时间序列适合于香港到台湾的预测,灰色模型更适合于美国和香港到台湾的入境旅游预测,而马可夫链改进模型更适合于德国到台湾的旅游需求估计

4 灰色理论(Grey Theory,GT)

灰色理论认为,在客观世界中,大量存在的不是白色系统(信息完全明确)也不是黑色系统(信息完全不明确),而是介于两者之间的灰色系统。一切随机量都是在一定范围内、一定时间段上变化的灰色量及灰色过程。数据处理不去寻找其统计规律和概率分布,而是对原始数据作一定处理后,使其成为有规律的时间序列数据,在此基础上建立数学模型。灰色系统理论提供了在贫信息情况下解决系统问题的新途径。

朱晓华、杨秀春以中国1978-2001年入境旅游客源为例,定量分析线性回归模型、移动平均预测模型、指数平滑模型以及灰色预测模型的应用及其差异问题,并发现线性回归预测模型的绝对误差最大,随着序列数据的减少,指数平滑模型绝对误差整体相对变大,而灰色模型绝对误差整体相对变小。可见序列较短时灰色预测模型有较好的预测效果。

5 三次多项式模型(Cubic Polynomial Model,CPM)

楚(Chu)用1989-1990年新加坡入境旅游数据建立预测模型,并将预测精度与前人的研究进行了对比,发现三次多项式的预测精度优于简单线性

转载注明来源:https://www.xzbu.com/7/view-8637849.htm

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

网络模型 人工智能 神经网络 数据处理 原始数据 数学模型
0