چارچوب پیش بینی تقاضای گردشگری ورودی بر اساس سری زمانی فازی و الگوریتم بهینه سازی پیشرفته

صنعت گردشگری در چین در سیستم استراتژیک ملی ادغام شده است. بنابراین ، پیش بینی تقاضای گردشگری به دغدغه توسعه پایدار صنعت گردشگری تبدیل شده است. متأسفانه ، اندازه نمونه گردشگری در چین همیشه اندک است و نمی تواند آزمون فرضیه مدل اقتصادی یا حجم داده را برای یک مدل سری زمانی سنتی برآورده کند. در این مطالعه ، یک چارچوب پیش بینی ترکیبی جدید که ترکیبی از سری زمانی فازی (FTS) و الگوریتم بهینه سازی جستجوی اتم (ASO) است برای پیش بینی تقاضای گردشگری ورودی ارائه شده است. این چارچوب پیش بینی به خصوص برای اندازه های نمونه کوچک مناسب است. به طور خاص ، فناوری بهینه سازی اطلاعات در FTS به منظور بهبود توانایی شناخت سیستم و شناسایی موثر اطلاعات نمونه کوچک بکار می رود. از الگوریتم ASO برای جستجوی پارامترهای بهینه FTS استفاده شده است که می تواند عملکرد پیش بینی را بهبود بخشد. همه آزمایشات و آزمایشهای مقایسه اثربخشی و برتری مدل پیشنهادی ما را تأیید می کنند ، که نتایج پیش بینی عالی برای تقاضای گردشگری و پایه ای را برای سیاستگذاران و مدیران برای برنامه ریزی مناسب برای بازار گردشگری فراهم می کند.