摘要
当今旅游业蓬勃发展。然而，其快速发展的同时也带来了一些亟待解决的问题，如旅游景点人满为患、淡旺季资源配置不足等。同时，随着互联网的普及，信息搜索已经成为消费者旅游决策过程中的一个重要组成部分。因此凭借网络搜索与旅游行为的关联机理，利用网络搜索数据的发布及时性对旅游景区客流量进行科学可靠的预测，有助于完善旅游安全预警体系、规划旅游流量分配和优化旅游资源配置，具有较强的现实意义。 本文基于此，利用互联网搜索数据和历史景区客流量，构建了一个结合多种预测方法的“分解集成”预测模型对九寨沟景区客流量进行预测。首先，通过搜索关键词的词库构建、数据降噪、相关分析和滞后阶数研究，确定用于预测客流量的八个关键词，并将每个关键词搜索序列通过STL季节分解法得到季节、趋势和随机干扰三项成分序列。随后，针对三项序列的不同数据特征，分别利用ARIMAX模型、简单季节估计方法和PSO-SVR算法得到三项成分的预测值，并以加和集成的方法合并得到客流量的最终预测结果。最后，将此“分解-集成”预测模型与各单一预测模型、无去噪处理等对比模型进行预测精度比较分析。实证结果显示，本文提出的面向互联网搜索数据的旅游客流量分解集成预测模型具有更优的预测性能。 研究结果表明，利用更具时效性的互联网搜索数据来预测游客出行行为能够克服传统旅游客流量数据的滞后性，是一种切实可行的方法。此外，“分解-集成”方法可以有效提取序列数据的综合特征并充分发挥各种单一预测模型的优势，实现对旅游客流量更准确的预测和分析，在旅游需求预测乃至其他领域给予更为科学的决策支持。
NETL