کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8929039 1644172 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Tourism demand modelling and forecasting with artificial neural network models: The Mozambique case study
ترجمه فارسی عنوان
مدل سازی و پیش بینی تقاضای گردشگری با مدل های شبکه عصبی مصنوعی: مطالعه موردی موزامبیک
ترجمه چکیده
این مطالعه با هدف مدل سازی و پیش بینی تقاضای گردشگری برای موزامبیک برای دوره ژانویه 2004 تا دسامبر 2013 با استفاده از مدل های شبکه عصبی مصنوعی انجام شده است. تعداد اقامت شبانه در هتل ها به عنوان نماینده تقاضای گردشگری مورد استفاده قرار گرفت. مجموعه ای از متغیرهای مستقل در ورودی مدل، یعنی شاخص قیمت مصرف کننده، تولید ناخالص داخلی و نرخ ارز، بازار گردشگری خارج از کشور، آفریقای جنوبی، ایالات متحده آمریکا، موزامبیک، پرتغال و انگلیس مورد آزمایش قرار گرفت. بهترین مدل به دست آمده 6.5٪ برای میانگین خطای مطلق مطلق و 0.696 برای ضریب همبستگی پیرسون است. یک مدل مانند این با دقت بالا پیش بینی برای عوامل اقتصادی به شناخت رشد آینده این بخش فعالیت مهم است، زیرا ذینفعان برای ارائه محصولات، خدمات و زیرساخت ها و برای هتل ها به اندازه کافی ظرفیت خود را برای تقاضای گردشگری.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری حسابداری
چکیده انگلیسی
This study is aimed to model and forecast the tourism demand for Mozambique for the period from January 2004 to December 2013 using artificial neural networks models. The number of overnight stays in Hotels was used as representative of the tourism demand. A set of independent variables were experimented in the input of the model, namely: Consumer Price Index, Gross Domestic Product and Exchange Rates, of the outbound tourism markets, South Africa, United State of America, Mozambique, Portugal and the United Kingdom. The best model achieved has 6.5% for Mean Absolute Percentage Error and 0.696 for Pearson correlation coefficient. A model like this with high accuracy of forecast is important for the economic agents to know the future growth of this activity sector, as it is important for stakeholders to provide products, services and infrastructures and for the hotels establishments to adequate its level of capacity to the tourism demand.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Tékhne - Volume 14, Issue 2, July–December 2016, Pages 113-124
نویسندگان
, , ,