GM-ARIMA模型提升我国入境游客预测精准度

本研究论文《基于GM-ARIMA模型的我国入境游客人次数预测研究》由宋利勇和柳向东两位学者合作撰写，发表在中国科技论文在线上。论文聚焦于我国旅游产业的快速发展及其对经济增长的显著贡献，尤其是在入境游客人次预测方面的关键作用。自改革开放以来，旅游业作为支柱产业之一，其准确预测对于旅游业的规划和发展具有重要意义。 作者们提出了一个创新的方法，即结合ARIMA模型和GM(1,1)模型，形成GM-ARIMA模型。ARIMA模型是一种经典的时间序列分析方法，用于处理非平稳数据并进行趋势、季节性和随机成分的分解。而GM(1,1)模型则是广义自回归移动平均模型，常用于时间序列的平稳性检验和预测。 研究采用了1985年至2018年期间的我国入境游客人次数据，首先构建了ARIMA模型来捕捉数据中的趋势和周期性变化。然后，通过GM(1,1)模型的残差修正策略，对ARIMA模型的预测误差进行了优化，旨在提高预测精度。实证结果显示，这种方法相较于单一模型，预测效果更为精确，能更有效地预估我国入境游客的人次，从而为旅游业的发展提供了有价值的参考依据和实用指导。 论文的关键字包括入境游客人次预测、ARIMA模型、GM(1,1)模型以及残差修正，这些词汇强调了研究的核心内容和方法。中图分类号F592.3，表明该研究属于旅游经济领域，特别是关于旅游流量预测的研究。 《基于GM-ARIMA模型的我国入境游客人次数预测研究》这篇论文不仅展示了对中国旅游业发展状况的深入理解，也展示了在实际问题中运用统计建模技术的有效性，为旅游业政策制定者和从业者提供了实用的数据驱动决策工具。