《基于灰色馬爾可夫模型的旅游人口預(yù)測(cè)實(shí)證探究》9800字（論文）

目錄灰色馬爾科夫預(yù)測(cè)法3.1灰色GM(1,1)模型隨著科學(xué)技術(shù)的進(jìn)步與發(fā)展，當(dāng)代人們?cè)谌粘Ｉ钜约案鞣N科研活動(dòng)中，實(shí)時(shí)更新信息變得尤為重要，如何對(duì)信息進(jìn)行有效提取、篩選和處理，為此許多學(xué)者對(duì)此展開研究。所以，灰色預(yù)測(cè)不是獨(dú)立發(fā)展起來(lái)的，而是由于需要而發(fā)展起來(lái)的。。不確定性研究對(duì)象為研究增加了難度，對(duì)于研究不確定性對(duì)象的的研究，我們通常采用概率統(tǒng)計(jì)、模糊數(shù)學(xué)和灰色系統(tǒng)三種數(shù)學(xué)方法。其中概率統(tǒng)計(jì)主要應(yīng)用在隨機(jī)事件的問(wèn)題上，通過(guò)分析得出像隨機(jī)事件的數(shù)學(xué)規(guī)律，再來(lái)預(yù)測(cè)，而且需要大量數(shù)據(jù)。模糊數(shù)學(xué)主要研究對(duì)象是有不確定性的事物，也就是數(shù)據(jù)自身沒有任何的規(guī)律可找。對(duì)比概率統(tǒng)計(jì)以及模糊數(shù)學(xué)所需要的數(shù)據(jù)量，灰色系統(tǒng)研究所需數(shù)據(jù)少，對(duì)少量數(shù)據(jù)進(jìn)行研究便可以進(jìn)行預(yù)測(cè)。3.1.1灰色GM(1,1)模型原理灰色系統(tǒng)原理非常重要的模塊組成是灰色預(yù)測(cè)，核心就是GM（1，1）模型，保證了預(yù)測(cè)的進(jìn)行以及結(jié)果的準(zhǔn)確性?；疑Ｐ偷念A(yù)測(cè)是通過(guò)系統(tǒng)變化內(nèi)在的微分方程進(jìn)行計(jì)算，不需要很多數(shù)據(jù)，只需要少量離散數(shù)據(jù)就可以進(jìn)行預(yù)測(cè)分析。首先根據(jù)原始數(shù)據(jù)產(chǎn)生累加生成數(shù)進(jìn)行計(jì)算，在這一過(guò)程會(huì)消除部分隨機(jī)誤差，再求解微分方程得出系數(shù)，最后得出預(yù)測(cè)方程，完成預(yù)測(cè)。因此灰色GM(1,1)模型的優(yōu)點(diǎn)為所需要的樣本數(shù)據(jù)較少、方法易理解、計(jì)算過(guò)程簡(jiǎn)便、在短期預(yù)測(cè)中精確度較高、同時(shí)檢驗(yàn)方便。設(shè)非負(fù)原始序列為：.在進(jìn)行一次累加生成計(jì)算后，得其1-AGO序列為：其中，.對(duì)累加生成序列??(1)構(gòu)建白化微分方程：（1）解方程可得：（2）以為初始條件得到灰色GM(1,1)模型的時(shí)間響應(yīng)函數(shù)（3）GM(1,1)模型的時(shí)間相應(yīng)序列（4）最小二乘法估計(jì)參數(shù)：（5）其中，（6）原始數(shù)據(jù)列預(yù)測(cè)值經(jīng)一次累減還原得：（7）原始序列的還原值為：（8）3.2灰色馬爾可夫模型3.2.1灰色馬爾可夫模型構(gòu)建灰色預(yù)測(cè)模型預(yù)測(cè)值無(wú)法體現(xiàn)更詳細(xì)的數(shù)據(jù)變化，只能表明大體趨勢(shì)，因此無(wú)法體現(xiàn)數(shù)據(jù)變化特征，與之相對(duì)馬爾可夫模型可以在一定程度上預(yù)測(cè)數(shù)據(jù)列的發(fā)展趨向。同時(shí)灰色模型并不適合處理數(shù)據(jù)列波動(dòng)較大的數(shù)據(jù)，并且對(duì)該類數(shù)據(jù)進(jìn)行預(yù)測(cè)結(jié)果精度低，由于馬爾可夫預(yù)測(cè)首先通過(guò)概率矩陣計(jì)算出狀態(tài)間的轉(zhuǎn)移概率，進(jìn)而預(yù)測(cè)出未來(lái)的發(fā)展變化，因此可以針對(duì)處理有波動(dòng)性的數(shù)據(jù)。綜上，在使用灰色預(yù)測(cè)的同時(shí)加上爾科夫預(yù)測(cè)的優(yōu)點(diǎn)，用傳統(tǒng)灰色馬爾可夫模型來(lái)預(yù)測(cè)江西旅游人次。3.2.1馬爾可夫模型原理馬爾可夫模型核心內(nèi)容是狀態(tài)轉(zhuǎn)移，首先我們可以將序列分為多個(gè)狀態(tài)，且該序列每個(gè)不同狀態(tài)間的轉(zhuǎn)移無(wú)任何規(guī)律，同時(shí)現(xiàn)在處于其中一個(gè)狀態(tài)，隨著時(shí)間推移該狀態(tài)可能變化到不同狀態(tài)，對(duì)于這種離散時(shí)間下的隨機(jī)變化過(guò)程稱為馬爾可夫過(guò)程。事實(shí)上，現(xiàn)實(shí)中許多過(guò)程都屬于馬爾可夫過(guò)程，如醫(yī)院崗位的變化過(guò)程、人口增長(zhǎng)的過(guò)程、不同公路的損壞過(guò)程等等?；谠撨^(guò)程的一項(xiàng)重要應(yīng)用是對(duì)隨機(jī)變化系統(tǒng)進(jìn)行預(yù)測(cè)，在概率數(shù)學(xué)理論的基礎(chǔ)上構(gòu)建隨機(jī)模型，計(jì)算出變量的狀態(tài)轉(zhuǎn)移矩陣，結(jié)合初始概率反復(fù)計(jì)算得出變量在一段時(shí)間內(nèi)的變化規(guī)律，具體步驟如下：首先通過(guò)相對(duì)誤差劃分狀態(tài):（9）以為第項(xiàng)的趨勢(shì)值，為第項(xiàng)的實(shí)際值。顯然，愈大，實(shí)際值偏離趨勢(shì)值愈遠(yuǎn)，效果愈差；愈小，實(shí)際值愈接近趨勢(shì)值，效果愈好。根據(jù)，相對(duì)誤差序列可分為態(tài)，如果有，第項(xiàng)的狀態(tài)為，其中分別表示的下界和上界。因此，狀態(tài)集根據(jù)各相對(duì)誤差生成。為了充分利用到已知數(shù)據(jù)，讓隨機(jī)誤差影響降到最低，選擇構(gòu)造出狀態(tài)轉(zhuǎn)移概率矩陣，利用多步轉(zhuǎn)移的方法進(jìn)行下一步計(jì)算。W步后狀態(tài)到狀態(tài)的轉(zhuǎn)移概率為：（10）為??步移動(dòng)后狀態(tài)到狀態(tài)的個(gè)數(shù)，是狀態(tài)的總數(shù)。??步后的轉(zhuǎn)移概率矩陣是由??步后的轉(zhuǎn)移概率組成選擇最后的s狀態(tài)作為初始狀態(tài)，轉(zhuǎn)移步長(zhǎng)??為預(yù)測(cè)項(xiàng)與所選項(xiàng)之間的距離。分別考慮s狀態(tài)的初始狀態(tài)，??步長(zhǎng)轉(zhuǎn)移概率為組成轉(zhuǎn)移概率矩陣。因此，能得到第??個(gè)預(yù)測(cè)數(shù)據(jù)的狀態(tài)轉(zhuǎn)移概率矩陣：通過(guò)選擇決定預(yù)測(cè)數(shù)據(jù)屬于哪個(gè)狀態(tài)，可以得到此狀態(tài)的上界和下界分別為，。最后，預(yù)測(cè)值的公式為（11）對(duì)于第t+1項(xiàng)的預(yù)測(cè)，把狀態(tài)轉(zhuǎn)移概率矩陣加入第t項(xiàng)的狀態(tài)。然后通過(guò)重構(gòu)概率矩陣處理，從而得出下一個(gè)修正后的預(yù)測(cè)值。重復(fù)使用此方法，可以得到所有預(yù)測(cè)值。結(jié)論與展望結(jié)論與展望疫情對(duì)旅游業(yè)的影響分析4江西省未來(lái)旅游人次的預(yù)測(cè)與分析4.1江西省未來(lái)旅游人次的GM(1,1)預(yù)測(cè)因該模型對(duì)數(shù)據(jù)數(shù)量要求較低，因此可以對(duì)2010-2019年江西旅游人次進(jìn)行預(yù)測(cè)，同時(shí)為了方便數(shù)據(jù)計(jì)算，本文之后人次單位為百萬(wàn)人次，具體數(shù)據(jù)來(lái)源于江西省統(tǒng)計(jì)局。4.1.1級(jí)比檢驗(yàn)2010年至2019年江西旅客人次建立初始序列{??(0)}如下&級(jí)比計(jì)算公式：（12）代入數(shù)據(jù)得：={當(dāng)滿足時(shí)，表明通過(guò)檢驗(yàn)，可以進(jìn)行GM(1,1)建模和預(yù)測(cè)。對(duì)原始數(shù)據(jù)進(jìn)行處理可知，，因此，該原始數(shù)據(jù)符合GM(1,1)模型的使用條件。4.1.2傳統(tǒng)GM(1,1)模型預(yù)測(cè)未來(lái)江西旅游人次通過(guò)運(yùn)用傳統(tǒng)GM(1,1)模型來(lái)預(yù)測(cè)2010年到2019年江西旅游人次，下表所示：表4-1江西旅客人次灰色模型預(yù)測(cè)值序號(hào)年份實(shí)際值灰色預(yù)測(cè)值相對(duì)誤差12010107.051107.0510.000%22011158.540175.912-10.957%32012203.473213.172-4.767%42013248.462258.324-3.969%52014311.345313.040-0.545%62015380.000379.3460.172%72016469.134459.6962.012%82017572.535557.0662.702%92018685.504675.0591.524%102019790.783818.045-3.447%根據(jù)模型評(píng)價(jià)標(biāo)準(zhǔn)以及表4-1：·小誤差概率P=1，后驗(yàn)方差比C=0.0347，預(yù)測(cè)等級(jí)為：好?！て骄鄬?duì)誤差為0.03，精度合格。·灰色系數(shù)-=0.1921<0.3,則該數(shù)據(jù)可以進(jìn)行中長(zhǎng)期預(yù)測(cè)。綜上數(shù)據(jù)，傳統(tǒng)GM(1,1)模型預(yù)測(cè)效果合理。根據(jù)傳統(tǒng)GM(1,1)模型，得到參數(shù)估計(jì)值：發(fā)展系數(shù)：?=0.1921灰色作用量：=138.9882因此，灰色模型預(yù)測(cè)公式為：（13）4.2狀態(tài)劃分及模型預(yù)測(cè)4.2.1狀態(tài)劃分根據(jù)馬爾科夫預(yù)測(cè)的無(wú)后效性，確定好預(yù)測(cè)時(shí)間，選擇距離預(yù)測(cè)最近的狀態(tài)為初始狀態(tài)，由原始數(shù)據(jù)可知，相對(duì)誤差區(qū)間為[-10.957%,2.702%],相差13.659%，對(duì)于狀態(tài)區(qū)間劃分，我們要保證每個(gè)狀態(tài)區(qū)間都存在，因此，取區(qū)間測(cè)度為4%，推出初始區(qū)間值為-11%，最終區(qū)間值為5%，綜上分為四個(gè)狀態(tài)區(qū)間，取2010年為初始狀態(tài)，則劃分的狀態(tài)區(qū)間標(biāo)準(zhǔn)具體為：E，具體劃分情況如下表:4-2根據(jù)相對(duì)誤差劃分狀態(tài)表年份相對(duì)誤差狀態(tài)年份相對(duì)誤差狀態(tài)20100020150.172%E32011-10.957%E120162.012%E42012-4.767%E220172.702%E42013-3.969%E220181.524%E42014-0.545%E32019-3.447%E24.2.2模型預(yù)測(cè)在我們進(jìn)行完馬爾科夫狀態(tài)預(yù)測(cè)后，得到初始分布矩陣,同時(shí)計(jì)算出一步轉(zhuǎn)移頻數(shù)矩陣，根據(jù)初始分布與1步轉(zhuǎn)移概率矩陣的乘積計(jì)算出下一時(shí)期絕對(duì)分布；再通過(guò)P(1)與一步轉(zhuǎn)移頻數(shù)矩陣的乘積求出下一時(shí)期的絕對(duì)分布，以此類推求得t期的絕對(duì)分布。為了使預(yù)測(cè)結(jié)果更加合理，取作狀態(tài)區(qū)間端點(diǎn)值的平均值作為相對(duì)值，即：相對(duì)值。最后與前文中求得的預(yù)測(cè)值相乘的結(jié)果就是經(jīng)過(guò)馬爾可夫模型優(yōu)化后的預(yù)測(cè)值。初始分布矩陣與一步轉(zhuǎn)移頻數(shù)矩陣如下：由于馬爾科夫的無(wú)后效性，在對(duì)2020-2024年旅游人次進(jìn)行測(cè)試時(shí)，可以選擇2019年為初始狀態(tài)，通過(guò)表4-2可知，初始行向量表示為（0，1，0，0），根據(jù)該行向量計(jì)算之后五年?duì)顟B(tài)概率分布，得出表4-3馬爾科夫預(yù)測(cè)狀態(tài)表。馬爾科夫預(yù)測(cè)狀態(tài)表狀態(tài)2019年2020年2021年2022年2023年2024年E10.0000.0000.0000.0000.0000.000E21.0000.5000.2500.2080.2430.277E30.0000.5000.5000.3750.2920.267E40.0000.0000.2500.4170.4650.456在經(jīng)過(guò)馬爾科夫計(jì)算后，根據(jù)取得2020-2024年的狀態(tài)概率分布，再結(jié)合灰色系統(tǒng)的預(yù)測(cè)結(jié)果，可以計(jì)算2020—2024年江西省旅游人次，結(jié)果如表4-4所示：（14）表4-4灰色馬爾科夫預(yù)測(cè)值時(shí)間GM(11)預(yù)測(cè)值相對(duì)值預(yù)測(cè)值2020年991.317-5.50%936.79412021年1201.289-1.00%1189.2772022年1455.7373.00%1499.4092023年1764.0803.00%1817.0022024年2137.7343.00%2201.8664.3結(jié)果比較分析用線性回歸預(yù)測(cè)模型分別對(duì)2010-2019年的江西旅游人次預(yù)測(cè)，通過(guò)運(yùn)算得：表4-5線性回歸VariableCoefficientStd.Errort-StatisticProb.C-21.2612029.46948-0.7214650.4912X75.262534.74943715.846620.0000（15）關(guān)于方程檢驗(yàn)，殘差的標(biāo)準(zhǔn)差σ2=43.139，運(yùn)用線性回歸對(duì)2010-2019年的江西旅游人次預(yù)測(cè)，線性回歸預(yù)測(cè)到2018年為677.363百萬(wàn)人次、2019年為752.625百萬(wàn)人次，將預(yù)測(cè)結(jié)果與灰色GM(1,1)模型及灰色馬爾可夫模型預(yù)測(cè)值進(jìn)行比較，結(jié)果見表4-6：表4-6預(yù)測(cè)結(jié)果對(duì)比年份真實(shí)值線性回歸相對(duì)誤差2018685.504677.3631.19%2019790.783752.6254.83%平均相對(duì)誤差3.01%年份真實(shí)值GM(1,1)模型相對(duì)誤差2018685.504675.0591.52%2019790.783818.0453.45%平均相對(duì)誤差2.49%年份真實(shí)值灰色馬爾科夫模型相對(duì)誤差2018685.504668.3081.43%2019790.783809.8652.41%平均相對(duì)誤差1.92%介紹20182019年的預(yù)測(cè)值和真4-1：圖4-1對(duì)2018年和2019年預(yù)測(cè)值與真實(shí)值對(duì)比圖從表4-6和圖4-1比較得出，線性回歸的預(yù)測(cè)結(jié)果與本文所采用模型的預(yù)測(cè)相比結(jié)果偏大，最不接近真實(shí)值。而GM(1,1)模型、灰色馬爾可夫模型與真實(shí)值的相對(duì)誤差值逐漸減小，從對(duì)比圖上看也是依次接近真實(shí)值。因此，通過(guò)三種模型的比較，得出結(jié)論灰色馬爾可夫模型預(yù)測(cè)結(jié)果精度最高。4.4本章小結(jié)綜上所述，本章介紹灰色馬爾可夫模型，首先對(duì)江西省2010-2019年旅游人次進(jìn)行灰色預(yù)測(cè)，針對(duì)該模型無(wú)法處理波動(dòng)性較大數(shù)據(jù)問(wèn)題，建立灰色馬爾科夫模型，同時(shí)采用線性回歸以預(yù)測(cè)，取波動(dòng)較小兩個(gè)時(shí)間點(diǎn)預(yù)測(cè)時(shí)，對(duì)比以上三種預(yù)測(cè)結(jié)果，從理論和實(shí)踐得出灰色馬爾可夫模型預(yù)測(cè)結(jié)果更加精確。從2020-2024年預(yù)測(cè)數(shù)據(jù)看出江西省未來(lái)旅游人次會(huì)呈現(xiàn)向上增長(zhǎng)的趨勢(shì)，其中，通過(guò)馬爾可夫模型結(jié)果可以得出，2022年開始，旅游人次會(huì)在灰色預(yù)測(cè)的基礎(chǔ)上又會(huì)有3%的增長(zhǎng)量。5疫情對(duì)旅游業(yè)的影響及分析2020年春節(jié)，突然爆發(fā)的新冠疫情迅速在全國(guó)蔓延，對(duì)我國(guó)各行各業(yè)造成不同程度的沖擊，其中，作為服務(wù)業(yè)代表的旅游業(yè)對(duì)比其他行業(yè)受到更大的影響，由于江西省的旅游業(yè)發(fā)展迅速，與十幾年前相比數(shù)量跟質(zhì)量都實(shí)現(xiàn)了巨大的飛躍，因此，此次疫情對(duì)江西省旅游業(yè)的影響遠(yuǎn)超2003年非典疫情造成的影響。根據(jù)江西省2020年統(tǒng)計(jì)公報(bào)顯示：全年全省接待國(guó)內(nèi)旅游者55681.8萬(wàn)人次，與去年相比下降29.6%；國(guó)內(nèi)旅游收入5420.1億元，與去年相比下降43.5%。接待的入境旅游13.0萬(wàn)人次，下降93.4%；國(guó)際旅游外匯收入0.37億美元，與去年相比下降95.7%。截至目前，在政府及人民的共同努力下，疫情形勢(shì)已經(jīng)明顯好轉(zhuǎn)。雖然對(duì)旅游業(yè)造成了巨大損失，但同時(shí)也會(huì)給旅游業(yè)帶來(lái)了新的機(jī)遇及發(fā)展思路：第一，新技術(shù)、新模式旅游業(yè)得到進(jìn)一步發(fā)展REF_Ref2085\r\h[13]。傳統(tǒng)旅游業(yè)在面臨突發(fā)性事件時(shí)會(huì)遭受到沉重打擊，自2020年春節(jié)疫情開始，各種旅游計(jì)劃不得不取消。為了應(yīng)對(duì)這種情況，不少企業(yè)開始進(jìn)行線上策劃，如云旅游、云直播等等，盡管這種線上活動(dòng)無(wú)法擁有線下參與的體驗(yàn)，但依舊引起廣泛關(guān)注。隨著第五代移動(dòng)通信技術(shù)（5G）的發(fā)展，必定會(huì)帶動(dòng)經(jīng)濟(jì)的發(fā)展，如果傳統(tǒng)旅游業(yè)能夠與其進(jìn)行良好的結(jié)合，將會(huì)使得旅游業(yè)的質(zhì)量獲得更進(jìn)一步的發(fā)展。第二，政策對(duì)江西省旅游業(yè)發(fā)展的大力扶持。疫情期間，國(guó)家有關(guān)部門頒布一系列應(yīng)對(duì)此次疫情的措施。針對(duì)微小企業(yè)，中國(guó)人民銀行等部門發(fā)出通知“不得盲目抽貸、斷貸、壓貸”，對(duì)于國(guó)內(nèi)所有正常繳納保證金、并且擁有經(jīng)營(yíng)許可證的旅行社，文化和旅游部辦公廳發(fā)出通知“暫退部分繳納費(fèi)用，數(shù)值為繳納數(shù)額的80%”。在2020年4月為了深入貫徹落實(shí)《國(guó)務(wù)院辦公廳關(guān)于進(jìn)一步激發(fā)文化和旅游消費(fèi)潛力的意見》江西省人民政府發(fā)文響應(yīng)，積極應(yīng)對(duì)疫情的影響。2019年統(tǒng)計(jì)公報(bào)顯示，江西省僅國(guó)內(nèi)旅游收入高達(dá)9596.7億元對(duì)比2018年增長(zhǎng)18.7%，由此可見，旅游業(yè)必定是疫情結(jié)束后帶動(dòng)江西省經(jīng)濟(jì)恢復(fù)重要行業(yè)之一。第三，做好準(zhǔn)備迎接疫情結(jié)束后旅游業(yè)可能會(huì)出現(xiàn)報(bào)復(fù)式消費(fèi)。從2003年非典疫情可以看出，旅游業(yè)對(duì)比其他行業(yè)收到更大沖擊，但在疫情結(jié)束后也是反彈最快最好的行業(yè)，旅游消費(fèi)是人們追求美好生活的剛性需求，這種需求會(huì)隨著社會(huì)發(fā)展與日俱增，因此，旅游業(yè)一定要做好疫情結(jié)束后的應(yīng)對(duì)策略，這是行業(yè)實(shí)現(xiàn)快速恢復(fù)進(jìn)而發(fā)展的首要也是最關(guān)鍵一步。綜上，此次疫情雖然對(duì)江西省旅游業(yè)造成了嚴(yán)重影響，但畢竟只是階段性的，因此不用過(guò)于悲觀，相信在戰(zhàn)勝疫情后，憑借近年的發(fā)展趨勢(shì)很快會(huì)呈現(xiàn)出快速恢復(fù)的態(tài)勢(shì)，展現(xiàn)江西省旅游業(yè)的韌性，最終實(shí)現(xiàn)旅游業(yè)的快速恢復(fù)與發(fā)展。6結(jié)論與展望6.1結(jié)論及不足 本文以江西旅游人次為研究對(duì)象，在不考慮此次疫情影響的情況下通過(guò)灰色馬爾可夫模型對(duì)其進(jìn)行預(yù)測(cè)，得到如下結(jié)論：相比于單純的線性預(yù)測(cè)以及時(shí)間序列預(yù)測(cè)江西省未來(lái)旅游人口，采用GM(1,1)預(yù)測(cè)的結(jié)果會(huì)更加貼近真實(shí)值，預(yù)測(cè)效果更好。但由于該模型不適用于波動(dòng)性較大的數(shù)據(jù)預(yù)測(cè)，因此加入馬爾可夫模型進(jìn)行修正。通過(guò)檢驗(yàn)，該數(shù)據(jù)可以進(jìn)行中長(zhǎng)期預(yù)測(cè)。經(jīng)過(guò)對(duì)比采用的三種預(yù)測(cè)模型結(jié)果得知，灰色馬爾可夫模型最為準(zhǔn)確，效果更好。結(jié)果顯示，在不受疫情影響下江西省未來(lái)旅游人次會(huì)呈現(xiàn)向上增長(zhǎng)趨勢(shì)，從2022年開始，旅游人次會(huì)在灰色預(yù)測(cè)的基礎(chǔ)上會(huì)有趨向于3%的增加量。與此同時(shí)江西省統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示旅游業(yè)在江西經(jīng)濟(jì)發(fā)展中比重越來(lái)越大，政府需要對(duì)資源進(jìn)行合理配置以及相關(guān)政策調(diào)整與制定，促進(jìn)江西旅游業(yè)的蓬勃發(fā)展，使得江西旅游業(yè)的競(jìng)爭(zhēng)力進(jìn)一步加強(qiáng)和提升。通過(guò)分析疫情對(duì)江西省旅游業(yè)的沖擊，政府會(huì)更加注重旅游業(yè)的發(fā)展，各部門也會(huì)對(duì)疫情結(jié)束后出現(xiàn)的不同情況制定多種策略，因此，不考慮疫情影響下的旅游人次預(yù)測(cè)依舊可以作為一項(xiàng)參考。6.2不足及展望通過(guò)對(duì)不同預(yù)測(cè)模型分析，本文選擇相對(duì)合理的灰色馬爾可夫模型預(yù)測(cè)，但結(jié)合實(shí)際依舊存在以下不足：灰色馬爾可夫模型本身會(huì)存在缺陷，比如狀態(tài)區(qū)間劃分存在在一定主觀因素，會(huì)影響預(yù)測(cè)值，因此后續(xù)通過(guò)該模型解決問(wèn)題時(shí)，可以對(duì)狀態(tài)區(qū)間劃分過(guò)程進(jìn)行優(yōu)化，構(gòu)建精度更高的預(yù)測(cè)模型。影響旅游人次的因素有很多，后續(xù)研究可以先對(duì)影響因素進(jìn)行分析，得出主要影響因素，將該因素作為變量加入旅游人次的預(yù)測(cè)提高結(jié)果準(zhǔn)確性。3）本文只是通過(guò)總體旅游人次進(jìn)行分析，并未進(jìn)行更為細(xì)致的劃分后續(xù)研究可以對(duì)客源市場(chǎng)進(jìn)行深層次展開，根據(jù)結(jié)論可以制定針對(duì)性政策。4）本文預(yù)測(cè)結(jié)果建立在不考慮疫情影響的基礎(chǔ)上，雖然提到疫情對(duì)于旅游業(yè)的影響，但對(duì)于更為準(zhǔn)確的預(yù)測(cè)則需要結(jié)合疫情等多種因素進(jìn)行研究。參考文獻(xiàn)附錄附錄參考文獻(xiàn)陳昕.改革開放以來(lái)江西省旅游政策效應(yīng)研究[D].南昌大學(xué),2016.劉勇.基于資源整合提升的江西省旅游發(fā)展戰(zhàn)略創(chuàng)新研究[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2012,11(01):94-99.WittSF,TurnerLW.TrendsandForecastsforInboundTourismtoChina[J].JournalofTravel&TourismMarketing,2002:97-107.VeloceW.F.InboundCanadianTourism:AnEvaluationofErrorCorrectionsModelForecasts[J].TourismEconomics,2004,10(3):263-280.7JiechenTang,XinyuYuan.ForecastingInboundTourismDemandtoChinaUsingTimeSeriesModelsandBeliefFunctions[J].StudiesinComputationalIntelligence,2015,583:329-341.YingY,YiruiW,ShangceG.StatisticalModelingandPredictionforTourismEconomyUsingDendriticNeuralNetwork[J].ComputationalIntelligenceandNeuroscience,2017:1-9.鄭洲順,湯嘉,徐勤武.基于灰色預(yù)測(cè)模型的2008北京旅游人口預(yù)測(cè)分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2010,40(09):8-15.喬睿.世博影響下的上海入境旅游人數(shù)趨勢(shì)預(yù)測(cè)[J].現(xiàn)代商貿(mào)工業(yè),2010,(5):127-128.胡麗娟.秦皇島入境旅游需求影響因素及預(yù)測(cè)研究[D].燕山大學(xué),2013.王曉?shī)?基于引力模型的我國(guó)入境旅游影響因素研究[D].海南大學(xué),2014.李乃文,韓婧婧.基于時(shí)間序列修正算法的我國(guó)入境旅游人數(shù)預(yù)測(cè)[J].資源開發(fā)與市場(chǎng),2015,31(1):126-128.趙歡.基于時(shí)間序列模型與灰色模型的廣東省旅游人數(shù)預(yù)測(cè)研究[D].華南理工大學(xué),2019.夏杰長(zhǎng),豐曉旭.新冠肺炎疫情對(duì)旅游業(yè)的沖擊與對(duì)策[J].中國(guó)流通經(jīng)濟(jì),202