پیش بینی تعداد گردشگران داخلی با استفاده از شبکه عصبی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 843

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CTHG01_172

تاریخ نمایه سازی: 24 اردیبهشت 1393

Abstract:

پس از رشد صنعت گردشگری در دهه 1950 این موضوع بیان می شود که دانستن تعداد گردشگران می تواند موجب برنامه ریزی برای زیرساخت های عمرانی و گردشگری و همچنین باعث شناخت ظرفیت های گردشگری یک منطقه یا یک کشور شود. پیش بینی تعداد گردشگران این امکان را فراهم می آورد تا ظرفیت های گردشگری همسو با گردشگری گردد. در این مطالعه سری های زمانی شامل تعداد گردشگران داخلی، درآمد سالیانه آنها، فاصله پیموده شده گردشگران جهت بازدید، تعداد روزهای تعطیل کاری گردشگران و در نهایت تعداد دفعات بازدید برای هر گردشگر استخراج گردید و با عنوان ورودی شبکه عصبی در مدل پژوهشگران استفاده شد. در ن هایت میانگین مربعات خطای آزمون برابر با 0/3002 بود که این موضوع را بیان می کرد که شبکه های عصبی توانایی پیش بینی تعداد گردشگران داخلی را دارا هستند. استفاده از مدل پرسترون چند لایه و الگوریتم آموزشی پس از انتشار نتایج مطلوبی از کارایی شبکه عصبی در پیش بینی تعداد گردشگران نشان داد. همچنین کارایی شبکه طراحی شده با استفاده از سرهای زمانی انتخاب شده حاکی ازاین امر بود که مدل در نظر گرفته می تواند به عنوان مدل خوبی جهت پیش بینی تعداد گردشگران داخلی در نظر گرفته شود.

Keywords:

گردشگری , پیش بینی تعداد گردشگران داخلی , شبکه عصبی , پرسپترون چند لایه , شبکه آموزشی LM

Authors

شبنم صدری

گروه مدیریت و حسابداری دانشگاه آزاد اسلامی واحد شال

صابر حسنعلی زاده

عضو هیئت علمی و معاون آموزشی دانشگاه آزاد اسلامی واحد شال

مهدی سعادت

گروه مدیریت و حسابداری دانشگاه آزاد اسلامی واحد شال

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 :
  • دری‌جانی، امیرعلی، (1387)، عوامل موثر بر رونق گردشگری، روزنامه اقتصاد، ...
  • اطلاعات وآمار مربوط به شهرداری قزوین درباره بازدید کنندگان حمام ...
  • همدان:دانشکده شهید مفتح 23 بهمن 1392 ...
  • _ Natioual Ttavl & Tourism Strateay, (2012), Task Force on ...
  • Lee, T. S. & Chiu, C. C. (2002). Neural Network ...
  • http ://x.doi.org/ 10. 1)80/0020772) 1 10092216 ...
  • Lee, T. S., Chiu, C. C., Lu, C. J., & ...
  • Leung, M. T., Chen, A. S., & Daouk, H. (2000). ...
  • . Lim, C. & McAleer, M. (2002). Time-series forecasts of ...
  • Min, J. C. H. (2005). The Effect of the SARS ...
  • .Ministry of Transportation & Communic ations , ROC. (2009). Project ...
  • _ Tsaur, S. H., Chiu, Y. C., and Huang, C. ...
  • neural Networks versus multiple regression in Artificial؛ 12- _ Uysal, ...
  • _ tourism demand analysis', Journal of Travel Research, 38, 111-118. ...
  • _ kahnmoyi, javad, (2008), Evaluation, of tourismm facilities in Azarbaijan ...
  • Zhang, 2012, Prediction of Tourist Quantity Based On RBF Neural ...
  • نمایش کامل مراجع