基于直觉模糊的杭州宋城主题公园旅游收入时序预测的新方法

徐萍丽 张婷婷 张鲲 王鸿绪

摘 要：时序预测所研究的应用问题很广泛，针对杭州宋城主题公园旅游收入问题，基于直觉模糊时间序列预测模型进行算法改进与研究，以已知年数据进行模拟预测，得出较小的误差率，在已有方法的基础上，构造新公式与新算法，从而推论对未知年份预测方法的可行性，以提高预测精度。

关键词：模时间序列预测；百分比；百分比的分段；逆模糊数

中图分类号：F590 文献标志码：A 文章编号：1673-291X（2016）07-0159-06

引言

随机性、缺失相关的参数、信息不精确等因素的广泛存在，使得随机理论难以有效地解决旅游收入预测问题。文献[1]把旅游收入预测问题看成灰色系统，应用GM（1，1）灰色模型研究杭州宋城主题公园旅游收入预测问题，不仅能进行历史数据的模拟预测，还能进行未知年数据的短中期预测，是研究该问题的可行方法。Song等[2，3，4]把大学生入学率作为模糊系统，用模糊语言表示大学入学率的数据，首次提出模糊时间序列概念，并提出第一个模糊时间序列模型，应用于预测阿拉巴马大学新生入学率问题。文献[5]应用基于频率基于密度划分论域，并首次提出逆模糊数概念，应用提出的模型得到阿拉巴马大学新生入学率预测的为较小的0.57%；文献[6]改进文献[5]的模型，得到同一问题的为很小的0.47%；文献[7]进一步改进这个模型，得到同一问题的为更小的0.34%，已经精确度非常高了。但是，这些模型没有提及用于研究未知年的数据的预测。文献[8]不使用文献[5，6，7]把论域区间划分的方法，而是直接应用历史数据的逐年百分比和逐年百分比的差，建立论域，应用文献[5，6，7]所使用的逆模糊数概念，重新建立预测公式，提出新的模糊时间序列预测模型NFTSFM（New Fuzzy Time Series Forecasting Model），得到同一问题的为非常小的0.27%，不仅历史数据的模拟预测精度较高，而且文献[8]的NFTSFM 能进行未知年数据的预测。本文又对文献[8]的方法做小的修改，提出改进的模糊时间序列预测模型IFTSFM（Improved Fuzzy Time Series Forecasting Model）。应用IFTSFM重新研究文献[1]中应用GM（1，1）灰色模型来研究杭州宋城主题公园旅游收入预测问题，得到的历史数据预测的，IFTSFM比GM（1，1）灰色模型更小。文献[9]改进了前面的算法，以此应用于三亚旅游总收入中，充分证明该方法可行，本文还原新方法应用于杭州宋城主题公园旅游收入应用于未知年的数据的预测。

一、基本概念

其中Pi和Pi-1分别是i年预测数据和i-1年的预报数据（在本例中，预测未知年2013年的数据时，Pi-1用的是2012年的已知数据）。如果ρi是负数，说明该年的旅游收入比前一年下降的百分数；如果ρi是零，说明该年的旅游收入和前一年比相同；如果ρi是正数，说明该年的旅游收入比前一年上升的百分数。

六、关于应用IFTSFM计算未知年2013—2016年间宋城主题公园旅游总收入的预测数据时的说明

当计算未知年2013年的预测数据时，需要使用2012年的已知逐年百分比U2012=15.75，百分比分段论域中的元素wj仅取j=-1，0，1，2，3等5个值（把未知年预测数据相对预测误差率保持在本文表2中除了特例71.12%外的增长比例，即增长比例保持在15.75%～32.41%之间），得到关于2013年的5个预测数据。其中粗体字为预报数据，粗体字上方的数据为保守预测数据，粗体字下方的数据为冒险预测数据。计算未知年2014年的预测数据时，需要使用2013年的预报数据。以此类推，可计算出2014年、2015年和2016年的预测数据，其中粗体字作为预报数据，它的确定如果有决策者的参与可能更符合实际情况。如果预计发生和已经发生重大利好或重大利空，调节分段论域中的元素的取值便可迅速计算出可能改变的预测数据。

结束语

杭州宋城主题公园从建成至今，没有经过市场培育期，而是直接步入高速成长期。说明该项目特色鲜明，体现了游客对新时期旅游产品的需求，近年来在我国如丽江、三亚等地都相继复制成功，对于杭州宋城主题公园收入预测分析对于研究整个市场的变化和走势具有重要作用。而IFTSFM的预测公式具有结构简洁，计算工作量小的特点，特别是当预计发生和已经发生重大利好或重大利空时，调节分段论域中的元素的取值便可迅速计算出可能改变的预测数据，以便决策者快速决断。由于历史数据模拟预测的平均预测误差率非常小，建议应用GM（1，1）灰色模型解决历史数据模拟预测时预测误差较大情况下（例如AFER超过5%）时，改用IFTSFM效果更佳。

参考文献：

[1] 方琳，程乾.基于灰色模型的杭州主题公园游客数量和经济收入预测研究[J].经济研究导刊，2014，（15）：223-225.

[2] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series—Part I[J].Fuzzy Sets and Systems，1993，（54）：1-9.

[3] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series[J].Fuzzy Sets and Systems，1993，（54）：269-277.[4] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series—Part II[J].Fuzzy Sets and Systems，1994，（62）：1-8.

[5] T.A.Jilani，S.M.A.Burney，C.Ardil.Fuzzy metric approach for fuzzy time series forecasting based on frequency density based par-

titioning.World Academy of Science[J].Engineering and Technology，2007，（34）：1-6.

[6] Stevenson M.，Porter J.E.Fuzzy time series forecasting using percentage change as the universe of discourse[J].World Academy of Science，

Engineering and Technology，2009，（55）：154-157.

[7] P.Saxena，K.Sharma，S.Easo.Foreeca enrollment based on fuzzy time series with higher forecast accuracy rate[J].International Journal

of Computer Technology and Applications，2012，（3）：957-961.

[8] Wang Hongxu，Guo Jianchun，Feng Hao，Jin Hailong.A new forecasting model of fuzzy time series[J].Applied Mechanics and Ma-

terials，2014：59-63.

[9] 廖民生，张鲲，王鸿绪，李壮，王海丰.基于模糊时间序列模型预测三亚旅游总收入[J].经济研究导刊，2015，（4）：237-242.

[责任编辑 王晓燕]