基于向量自回归模型的旅游热门景点预测方法研究

摘要：

常规的预测方法变量之间的皮尔逊相关值较低,造成预测的结果出现偏差,为此,设计基于向量自回归模型的旅游热门景点预测方法.综合不同的搜索引擎数据,计算旅游景点关键词网络搜索指数,对其进行预处理并筛选出与旅游景点热度相关性较强的关键词,利用向量自回归模型对变量进行均值化处理,确定影响最大的网络搜索指数,实现对旅游热门景点的预测.实验结果表明:与常规的灰度预测方法和SVR模型预测方法相比,基于向量自回归模型的预测方法的皮尔逊相关值能够保持在0.8～1.0之间,变量之间具有极强的相干性,适合应用在旅游热门景点预测中.

关键词：旅游热门景点预测、VAR模型、关键词搜索指数、皮尔逊相关系数、搜索指数计算、客流量预测

所属期刊栏目：43

分类号：TN911.1-34;TP181

资助基金：国家社会科学基金青年项目16CGL032

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：158-161