پیش بینی تقاضای گردشگری فرهنگی شهر تهران
محل انتشار: فصلنامه مطالعات راهبردی فرهنگ، دوره: 1، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 228
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SCSJ-1-2_003
تاریخ نمایه سازی: 24 دی 1401
چکیده مقاله:
یکی از مهم ترین رویدادها در صنعت گردشگری هر کشور میزان تقاضا برای یک محصول یا مقصد گردشگری است، اما باید توجه داشت که پیش بینی ها هرگز نمی توانند کاملا با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود خواهد داشت، اما استفاده از روش های علمی و نوین در امر پیش بینی باعث خواهد شد که نتایج به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهم ترین انواع گردشگری داخلی شهر تهران، بر اساس گزارش مرکز ملی آمار و دیدگاه های صاحب نظران این حوزه، گردشگری فرهنگی است. ازاین رو، پژوهش پیش رو سعی دارد مدل هایی را برای پیش بینی تقاضای گردشگری فرهنگی داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه سال های ۱۳۸۱ ۱۳۹۸ استفاده شده است. متغیر مستقل این پژوهش تعداد گردشگران فرهنگی داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند. چارچوب مدل ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتمSVR است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری کرد و روش ها را با هم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و الگوریتم SVR پیشنهادی می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص گردشگری فرهنگی داخلی داشته باشد.
کلیدواژه ها:
نویسندگان
ابتهال زندی
استادیار گروه مدیریت گردشگری و هتلداری دانشگاه آزاد اسلامی واحد تهران غرب، تهران
رحیم یعقوب زاده
عضو هیات علمی جهاد دانشگاهی و رییس مرکز گردشگری علمی-فرهنگی دانشجویان ایران (نویسنده مسئول)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :