基于网络搜索数据的区域旅游指数及其微观动态--以西安为例
| 摘要 | 第2-4页 |
| abstract | 第4-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景与意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 文献回顾 | 第13-17页 |
| 1.2.1 客流量预测研究 | 第13-15页 |
| 1.2.2 旅游者信息搜索行为研究 | 第15页 |
| 1.2.3 基于网络搜索数据的预测研究 | 第15-17页 |
| 1.3 研究创新 | 第17-18页 |
| 1.4 篇章结构 | 第18-21页 |
| 2 旅游者行为理论及理论框架构建 | 第21-27页 |
| 2.1 EKB消费者行为模型 | 第21-22页 |
| 2.2 信息搜寻理论 | 第22-23页 |
| 2.3 旅游者的决策过程 | 第23-27页 |
| 3 区域旅游指数的构造 | 第27-42页 |
| 3.1 旅游信息获取方式 | 第27-29页 |
| 3.2 网络搜索数据的采集 | 第29-31页 |
| 3.2.1 数据来源 | 第29页 |
| 3.2.2 数据采集与预处理 | 第29-31页 |
| 3.3 关键词的选取 | 第31-37页 |
| 3.3.1 关键词选取技术 | 第31-32页 |
| 3.3.2 关键词选取过程 | 第32-37页 |
| 3.4 区域旅游指数的合成 | 第37-39页 |
| 3.5 日度区域旅游指数特征描述 | 第39-42页 |
| 4 区域旅游指数的预测能力 | 第42-53页 |
| 4.1 季节协整检验 | 第43-45页 |
| 4.2 实证分析 | 第45-49页 |
| 4.2.1 协整检验 | 第45-47页 |
| 4.2.2 趋势性比较 | 第47-49页 |
| 4.3 经典SARIMA模型预测 | 第49-53页 |
| 5 分解预测与节假日识别 | 第53-62页 |
| 5.1 Prophet模型 | 第53-54页 |
| 5.2 Prophet建模与优化 | 第54-57页 |
| 5.3 EMD分解及预测 | 第57-62页 |
| 5.3.1 EMD分解 | 第58-60页 |
| 5.3.2 重组预测 | 第60-62页 |
| 6 结论与展望 | 第62-65页 |
| 6.1 研究结论 | 第62-63页 |
| 6.2 研究不足与展望 | 第63-65页 |
| 攻读硕士期间发表的科研成果 | 第65-66页 |
| 附录 | 第66-79页 |
| 参考文献 | 第79-86页 |
| 后记 | 第86-87页 |
