پیش بینی تقاضای گردشگری فرهنگی شهر تهران
Publish place: Strategic studies of culture، Vol: 1، Issue: 2
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 301
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_SCSJ-1-2_003
Index date: 14 January 2023
پیش بینی تقاضای گردشگری فرهنگی شهر تهران abstract
یکی از مهم ترین رویدادها در صنعت گردشگری هر کشور میزان تقاضا برای یک محصول یا مقصد گردشگری است، اما باید توجه داشت که پیش بینی ها هرگز نمی توانند کاملا با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود خواهد داشت، اما استفاده از روش های علمی و نوین در امر پیش بینی باعث خواهد شد که نتایج به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهم ترین انواع گردشگری داخلی شهر تهران، بر اساس گزارش مرکز ملی آمار و دیدگاه های صاحب نظران این حوزه، گردشگری فرهنگی است. ازاین رو، پژوهش پیش رو سعی دارد مدل هایی را برای پیش بینی تقاضای گردشگری فرهنگی داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه سال های ۱۳۸۱ ۱۳۹۸ استفاده شده است. متغیر مستقل این پژوهش تعداد گردشگران فرهنگی داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند. چارچوب مدل ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتمSVR است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری کرد و روش ها را با هم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و الگوریتم SVR پیشنهادی می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص گردشگری فرهنگی داخلی داشته باشد.
پیش بینی تقاضای گردشگری فرهنگی شهر تهران Keywords:
پیش بینی تقاضای گردشگری فرهنگی شهر تهران authors
ابتهال زندی
استادیار گروه مدیریت گردشگری و هتلداری دانشگاه آزاد اسلامی واحد تهران غرب، تهران
رحیم یعقوب زاده
عضو هیات علمی جهاد دانشگاهی و رییس مرکز گردشگری علمی-فرهنگی دانشجویان ایران (نویسنده مسئول)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :