| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 国内外旅游需求建模和预测方法研究现状 | 第10-13页 |
| 1.2.1 建模和预测灰色模型 | 第11-12页 |
| 1.2.2 建模和预测SVM回归方法 | 第12页 |
| 1.2.3 建模和预测组合混合方法 | 第12-13页 |
| 1.3 国内外旅游需求研究内容分析 | 第13-16页 |
| 1.3.1 旅游收入与目的地-客源地客流预测 | 第14-15页 |
| 1.3.2 旅游客流量多时间尺度 | 第15页 |
| 1.3.3 互联网数据旅游预测 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-17页 |
| 1.5 论文的组织结构安排 | 第17-19页 |
| 第2章 旅游流影响因子分析与概念模型预测框架 | 第19-33页 |
| 2.1 旅游流影响因子概述 | 第19页 |
| 2.2 多尺度分析 | 第19-25页 |
| 2.3 旅游流影响因子分析 | 第25-31页 |
| 2.3.1 灰关联分析西安博物院客流影响因子 | 第25-27页 |
| 2.3.2 对应分析综合评价海南省市县的发展 | 第27-31页 |
| 2.4 三层概念模型预测框架 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于多源数据的DSF-GKM和SVM的旅游预测 | 第33-47页 |
| 3.1 研究基础 | 第33-35页 |
| 3.1.1 灰色模型 | 第33-34页 |
| 3.1.2 马尔科夫模型 | 第34页 |
| 3.1.3 支持向量回归分析 | 第34-35页 |
| 3.2 基于最优子集和模糊理论优化的动态灰马尔科夫预测模型 | 第35-38页 |
| 3.2.1 S-GM中最优输入子集个数的确定 | 第35-36页 |
| 3.2.2 模糊S-GKM模型的建立与求解 | 第36-37页 |
| 3.2.3 DFS-GKM预测模型的建立与求解 | 第37-38页 |
| 3.3 DFS-GKM和SVM的旅游需求预测实例分析 | 第38-46页 |
| 3.3.1 基于DFS-GKM的海南旅游饭店月接待量预测 | 第38-43页 |
| 3.3.2 基于SVM的海南旅游收入预测 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于组合优化模型和SVM的客流预测 | 第47-59页 |
| 4.1 研究基础 | 第47-48页 |
| 4.1.1 模糊时间序列模型相关定义 | 第47-48页 |
| 4.1.2 模糊C均值聚类算法 | 第48页 |
| 4.2 基于熵值法组合优化的旅游需求预测模型 | 第48-51页 |
| 4.2.1 模糊时间序列预测算法 | 第49-50页 |
| 4.2.2 基于熵值组合优化模型算法的构建 | 第50-51页 |
| 4.3 组合优化模型和SVM的旅游需求预测实例分析 | 第51-58页 |
| 4.3.1 基于熵值法组合优化模型的西安博物院月客流预测分析 | 第51-54页 |
| 4.3.2 基于SVM的多源数据日客流预测分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间研究成果 | 第67页 |
