用于预测Stopića洞穴旅游需求的神经网络建模：塞尔维亚洞穴旅游研究
计量经济学
2024-04-09 v1 人工智能
摘要
为了建模塞尔维亚Stopića洞穴的访问次数，我们考虑了经典的自回归积分滑动平均（ARIMA）模型、机器学习（ML）方法支持向量回归（SVR）以及混合的NeuralProphet方法，该方法结合了经典和ML概念。最准确的预测来自NeuralProphet，它包含了季节性成分和时间序列的增长趋势。此外，非线性由浅层神经网络（NN）建模，并将Google趋势作为外生变量纳入。建模旅游需求对于管理结构和决策者具有重要意义，因为它在环境脆弱的目的地（如洞穴）中建立可持续旅游利用策略方面具有适用性。数据提供了对Stopića洞穴旅游需求的见解，并为解决塞尔维亚访问量最大的洞穴的承载能力问题提供了初步数据。
引用
@article{arxiv.2404.04974,
title = {Neural Network Modeling for Forecasting Tourism Demand in Stopi\'{c}a Cave: A Serbian Cave Tourism Study},
author = {Buda Bajić and Srđan Milićević and Aleksandar Antić and Slobodan Marković and Nemanja Tomić},
journal= {arXiv preprint arXiv:2404.04974},
year = {2024}
}