مدل ترکیبی پیش بینی تقاضای گردشگری داخلی شهر تهران

Abstract

در سال‌های اخیر با تغییر الگوی تعطیلات و شکل‌گیری تعطیلات کوتاه‌مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. به همین منظور پژوهش حاضر سعی دارد ابتدا 4 نوع از مهمترین انواع گردشگری داخلی شهر تهران را شناسایی و سپس مدل‌هایی برای پیش‌بینی متغیرهای تأثیرگذار بر پیش‌بینی تقاضای هر یک از آنها پیشنهاد کند. برای این کار از اطلاعات حتی المقدورماهیانه بین سال‌های 1381 تا 1394 استفاده‌شده است. متغیر مستقل این تحقیق تعداد گردشگران داخلی شهر تهران به تفکیک 4 نوع از مهم‌ترین انواع گردشگری داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس روش دلفی فازی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتم SVR است که با ترکیب این روش‌ها می‌توان خطای پیش‌بینی را اندازه‌گیری و روش‌ها را باهم مقایسه کرد. نتایج این پژوهش نشان می‌دهد رویکرد ترکیبی رگرسیون و شبکه‌های عصبی فازی (ANFIS ) دارای کمترین خطا در مقایسه با سایر روش‌ها در خصوص پیش‌بینی گردشگری تفریحی و VFR داخلی و رویکرد ترکیبی رگرسیون و الگوریتم SVR دارای کمترین خطا در مقایسه با سایر روش‌ها در خصوص پیش‌بینی گردشگری پزشکی و تجاری- اداری داخلی است.