کاربرد محاسبات نرم در برآورد تقاضای سفر گردشگران ایرانی به کره جنوبی
- سال انتشار: 1401
- محل انتشار: بیست و یکمین کنفرانس سیستم های فازی ایران
- کد COI اختصاصی: ICFUZZYS21_057
- زبان مقاله: فارسی
- تعداد مشاهده: 67
نویسندگان
عضو هیات علمی گروه جهانگردی و هتلداری، دانشکده گردشگری، مجتمع آموزش عالی بم، بم، کرمان، ایران- دانشجوی دکترای رشته هتلداری، دانشگاه پوترا مالزی، سلانگور، مالزی
چکیده
در توسعه گردشگری، پیشبینی و برآورد تقاضای گردشگری، برای کشورهای مقصد و مبداء دارای اهمیت است. لذا ارزیابی روشهایی که منجر به تخمین دقیقتری از تقاضای گردشگری شود، مورد توجه بوده است. در این مطالعه، دقت روشهای شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در برآورد تقاضای گردشگری از ایران به کرهجنوبی مورد بررسی قرار گرفت. مدلسازی تقاضای گردشگری بر اساس دو روش ANN و SVM با استفاده از داده های ماهانه ۱۵ ساله (۲۰۰۳-۲۰۱۸) صورت گرفت. برای بررسی عملکرد مدلها، از آماره های ضریب تبیین (R۲)، مجذور میانگین مربعات خطا (RMSE) و میانگین مطلق خطا (MAE) استفاده شد. در مدلسازی شبکه عصبی، سه مدل ANN۳, ANN۲, ANN۱ تحت الگوریتم آموزش لونبرگ-مارکوات (LM) ارزیابی شد. نتایج نشان داد که در بین این مدل ها، مدل ANN۲ با تابع محرک لوگ سیگموئید و با آرایش (۱-۱۰-۳) دارای کمترین خطا است. همچنین در روش SVM، سه نمونه از بهترین مدلهای به دست آمده (SVM۱, SVM۲, SVM۳) بر اساس تابع کرنل انتخاب و مشخص گردید که مدل SVM۲ بیشترین دقت را در مدلسازی تقاضای گردشگری داشته است. علاوه بر این، کمترین مقدار RMSE و MAE و بیشترین مقدار R۲ مربوط به مدل SVM۲ و به ترتیب ۶۶/۵، ۳۸/۳ و ۰/۸۶۱ به دست آمد. این مقادیر در مدل ANN۲ به ترتیب ۷۱/۱، ۵۲/۷ و ۰/۸۳۱ به دست آمد. در یک نتیجهگیری کلی میتوان گفت که با توجه به عملکرد دقیقتر روش SVM نسبت به ANN، از این روش در تخمین تقاضای گردشگری ایران به کره جنوبی استفاده شود.کلیدواژه ها
تقاضای گردشگری ماهانه، شبکه عصبی مصنوعی، SVM، تابع کرنل، مدلسازیمقالات مرتبط جدید
- اولویت بندی عوامل موثر بر انتخاب شرکاء در نوآوری باز با استفاده از روش بولزآی در شرکت های کوچک و متوسط
- مروری بر استفاده از روشهای یادگیری ماشین به منظور پیشبینی بیماریهای قلبی
- شناسایی و اولویت بندی عوامل موثر بر طراحی و پیاده سازی دفتر مدیریت پروژه((PMO و تاثیر آن بر موفقیت پروژه های صنعت ساخت
- بررسی اهمیت انتخاب پارامترها در الگوریتمهای بهینه سازیفراابتکاری مبتنی بر هوش ازدحام با استفاده از منطق فازی
- روش خوشه بندی - میانگین با بکارگیری روش بهینه سازی غزال کوهستان
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.