مدل ترکیبی پیش بینی تقاضای گردشگری داخلی شهر تهران

مقدار تقاضا برای محصول یا مقصد گردشگری از مهم ترین رویدادها در صنعت گردشگری هر کشور است. اما باید توجه داشت که پیش بینی ها هرگ با آنچه در عمل پیش خواهد آمد 100 درصد مطابقت ندارد؛ همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود خواهد داشت. به کارگیری روش های علمی و نوین در پیش بینی سبب می شود که نتایج به دست آمده، به مراتب بیش از یک تخمین عینی، به واقعیت ن دیک شود.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 تاثیرگذار 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 دارند.

Hybrid Model of Forecasting Domestic Tourism Demand of Tehran City

In recent years, with the changing pattern of holidays and the formation of shortterm holidays, cities have found the opportunity for tourism development. Four types of the most important types of domestic tourism in Tehran, based on the statistics of the National Center of Statistics and the views of the experts in this area, is Medical, VFR, Recreational and Business tourism. For this purpose, the present study seeks to propose models for forecasting effective variables on forecasting domestic tourism demand in Tehran based on these four types. To do this, information was used between the years 2001 to 2015. Independent variable of this study is the number of domestic tourists in Tehran, based on these four types and dependent variables were selected based on Delphi and Fuzzy DEMATEL techniques. The model framework is a combination of regression, fuzzy neural network, and SVR algorithm, which combines these methods to measure forecast errors and compare the methods. The results of this research show that the proposed approach of regression can have better prediction than other methods for forecasting domestic Medical tourism and the proposed hybrid approach of regression and Adaptive NeuroFuzzy Inference System (ANFIS) can have better prediction than other methods for forecasting domestic VFR and Recreational tourism and the proposed hybrid approach of regression and SVR algorithm can have better prediction than other methods for forecasting domestic Business tourism.