基于疫情影响构建的旅游需求预测模型

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0.0991。