CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR ) داخلی شهر تهران

عنوان مقاله: مدل سازی پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR ) داخلی شهر تهران
شناسه ملی مقاله: JR_TURIJ-7-26_006
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:

محمد رضا فرزین - عضو هیات علمی گروه گردشگری دانشگاه علامه طباطبایی
امیر افسر - عضو هیات علمی دانشگاه تربیت مدرس
علیرضا دبیر - عضو هیات علمی گروه گردشگری دانشگاه علامه طباطبایی
ابتهال زندی - عضو هیات علمی گروه مدیریت جهانگردی و هتلداری دانشکده مدیریت دانشگاه آزاد اسلامی

خلاصه مقاله:
یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری است. اما باید توجه داشت پیش بینی ها هرگز نمی توانند به طور صد درصد با آنچه  در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی موجود خواهد بود، ولی استفاده از روش های علمی و نوین در امر پیش بینی، باعث خواهد شد نتایج حاصله 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 مهمترین انواع گردشگری داخلی شهر تهران بر اساس آمار مرکز ملی آمار و نظرات صاحب نظران این حوزه، گردشگری بازدید از دوستان و بستگان(VFR) است به همین منظور پژوهش حاضر سعی دارد مدل هایی برای پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR) داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه بین سال­های ۱۳۸۱ تا [۱]۱۳۹۴ استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران بازدید کننده از دوستان و بستگان(VFR) داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون[۲]، شبکه عصبی فازی[۳] و الگوریتمSVR[۴] است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری و روش ها را با هم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی(ANFIS)پیشنهادی می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری بازدید از دوستان و بستگان(VFR) داخلی داشته باشد. [۱] علت بررسی تا سال ۱۳۹۴ عدم انتشار آمار سال های ۱۳۹۵ و ۱۳۹۶ توسط مرکز ملی آمار تا کنون است. [۲] Regression [۳] Adaptive Neuro-Fuzzy Inference System (ANFIS) [۴] Support Vector Regression(SVR(

کلمات کلیدی:
رگرسیون, شبکه عصبی فازی, الگوریتم SVR, پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR) داخلی, شهر تهران

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1615725/