摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第10-15页 |
1.1 选题背景与研究意义 | 第10-12页 |
1.1.1 选题背景 | 第10-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 论文结构 | 第12-13页 |
1.2.1 主要内容 | 第12-13页 |
1.2.2 技术路线 | 第13页 |
1.3 可能的创新点 | 第13-15页 |
第二章 滨海旅游业趋势研究概述 | 第15-27页 |
2.1 滨海旅游业研究综述 | 第15-18页 |
2.1.1 滨海旅游业研究与实践的关系 | 第15-16页 |
2.1.2 海洋经济产业和旅游业预测研究 | 第16-17页 |
2.1.3 滨海旅游业预测研究 | 第17-18页 |
2.2 组合预测模型研究综述 | 第18-27页 |
2.2.1 并联型组合预测模型研究综述 | 第19-24页 |
2.2.2 串联型组合预测模型研究综述 | 第24-27页 |
第三章 预测理论概述 | 第27-40页 |
3.1 定性预测技术 | 第27-29页 |
3.1.1 专家预测法 | 第27-28页 |
3.1.2 主观概率法 | 第28页 |
3.1.3 交叉影响法 | 第28-29页 |
3.2 定量预测技术 | 第29-40页 |
3.2.1 旅游引力模型 | 第29-30页 |
3.2.2 时间序列预测法 | 第30-34页 |
3.2.3 灰色预测法 | 第34-35页 |
3.2.4 人工神经网络预测法 | 第35-38页 |
3.2.5 支持向量机回归法 | 第38-40页 |
第四章 我国滨海旅游业串联型趋势预测模型 | 第40-48页 |
4.1 我国滨海旅游业发展现状 | 第40-41页 |
4.2 我国滨海旅游业特点分析 | 第41-43页 |
4.2.1 滨海旅游产业特点 | 第41-42页 |
4.2.2 我国滨海旅游业数据特点 | 第42-43页 |
4.3 串联型趋势预测模型 | 第43-48页 |
4.3.1 基本原理 | 第44-46页 |
4.3.2 冗余定理 | 第46-47页 |
4.3.3 模型性能标准 | 第47-48页 |
第五章 我国滨海旅游业趋势预测 | 第48-61页 |
5.1 数据采集与分析 | 第48页 |
5.2 预测模型的选择及P= f(L, N)+(?)组合 | 第48-57页 |
5.2.1 基于LM算法的改进BPNN预测模型 | 第49-51页 |
5.2.2 残差修正趋势外推法 | 第51-52页 |
5.2.3 残差修正指数平滑法 | 第52-54页 |
5.2.4 残差修正ARIMA模型 | 第54-55页 |
5.2.5 残差修正灰色预测法 | 第55-57页 |
5.3 组合模型冗余筛选 | 第57-58页 |
5.4 我国滨海旅游业增加值预测 | 第58-61页 |
5.4.1 并联型综合预测模型构建 | 第58-59页 |
5.4.2 串联型综合预测模型构建 | 第59页 |
5.4.3 预测结果及分析 | 第59-61页 |
第六章 结论 | 第61-63页 |
6.1 本文结论 | 第61页 |
6.2 后续研究方向 | 第61-63页 |
参考文献 | 第63-73页 |
攻读学位期间学术成果 | 第73-75页 |
致谢 | 第75页 |