پیش بینی جریان توریسم براساس یک Grey توسعه یافته

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیش بینی جریان توریسم براساس یک Grey توسعه یافته

عنوان لاتین

Tourism Flows Prediction Based on an Improved Grey

این تحقیق عوامل موثر بر جریان توریست را تحلیل می کند. این عوامل شامل منابع توریسم، شرایط ترافیک و غیره است. در سالهای اخیر، مدل پیش بینی گری دقت پیش بینی خوبی با داده های محدود داشته است و بطور گسترده در زمینه های تحقیقاتی گسترده استفاده شده است. بهرحال، مدل پیش بینی گری برخی مشکلات بالقوه دارد که نیاز به توسعه دارد، مانند محدوده کاربرد و دقت پیش بینی. دیده می شود که داده اصلی و ارزش پیش زمینه، عوامل اصلی موثر بر دقت کاربرد مدل مطرح شده اند. برای رفع این مسائل، این تحقیق یک مدل بهینه سازی برای مسئله مدل GM(1,1) بسط می دهد که شامل بهینه سازی مقادیر زمینه و اولیه می باشد. برای کاهش خطاهای ناشی از مقادیر پیش زمینه، اصل اطلاعات جدید استفاده قبلی، دنبال می شود، وتابع خطی در ایجاد پیش زمینه مطابقت می کند. مثالهای عددی بررسی کردند که شبیه سازی و دقت پیش بینی، پیش بینی های کوتاه مدت بطور عمده افزایش می یابند. بعنوان نتیجه، مدل توسعه یافته جدید قابلیت پیش بینی بالایی را موجب می شوند.

This study analyzes the factors affecting the tourist flow. These factors include tourism resources, traffic conditions and so on. In recent years, the grey forecasting model has achieved good prediction accuracy with limited data and has been widely used in various research fields. However, the grey forecasting model still have some potential problems that need to be improved,􀀃such as applicate range and prediction accuracy. It is found that original data and background value are main factors affecting the accuracy of the proposed model's application. To solve these problems, this study develops a optimization model for the GM(1,1) model problem which includes optimization of initial and background values. In order to reduce errors caused by back-ground values, the "new information prior using" principle is followed, and a liner function is dopted in the construe of background. Numerical examples verified that the simulation and prediction accuracy of the short-term forcasts is significantly increased. As a result, the newly improved model yields a high prediction capability