科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于旅游业对环境波动的高度敏感性，提出了考虑疫情影响的旅游需求预测框架。首先，收集目标城市的过夜游客人数作为旅游需求数据。其次，基于数据在疫情发生前后的数据波动，提出疫情影响构建和核心信息提取方法，该方法基于BHT-ARIMA算法，能够有效提取数据中潜藏的疫情影响特征，并有效剔除了数据冗余。最后，基于CNN-GRU模型进行模型训练和预测，得到最终的预测结果。为了验证提出框架的有效性，在旅游城市三亚的过夜游客人数数据集上进行了实验。实证结果表明，与其他基准模型相比，所提出的框架具有显著的预测性能，预测误差低至0.099 1。
- 单位
