全文总字数：6520字

1. 研究目的与意义及国内外研究现状

旅游业是一个国家或地区凭借自己的旅游资源、旅游设置、旅游服务等综合条件向游客提供服务的综合产业，能够反映当地的政治、经济、文化、交通等方面的发展程度，已逐渐成为全球经济中发展最迅速、势头最强劲、收益最可观、规模最宏大的产业之一。旅游业是否发达，是衡量一个国家或地区是否发达的重要指标。据国家旅游局统计，2017年中国全年实现旅游总收入高达5.4万亿元，对全国gdp总量的综合贡献值为9.13万亿元，占到全国gdp总量的11.04%。可见，旅游业已经成为中国经济发展的重要推动力。

中国旅游业的发展是南京市旅游发展的有利背景和契机。南京是华东地区重要城市之一，濒临近海，是江苏省会、副省级市、南京都市圈的核心城市，既是长三角辐射带动中西部地区发展的国家重要门户城市，也是东部沿海经济带动长江经济带战略交会的重要节点城市。南京历史悠久，文化底蕴丰厚，是中国四大古都之一、首批国家历史名城。南京旅游产业发展状况良好，2017年南京市全市实现旅游业总收入2168.9亿人民币，相比2016年实现了13.6%的增长，接待旅客人次达到12293万，同比增长9.7%，客运周转量474.15亿人次，同比增长8.3%，注册导游人数为26802人。全市拥有旅游a级景区53个，国家级、省级旅游度假区4家，自驾游基地3家，星级宾馆饭店83家，旅行社数量达到624家。

南京在长江三角洲乃至全国都具有巨大的影响力和带动力，南京旅游业的发展，将会极大地推动南京市经济的发展，同时对周边城市产生极大的辐射作用，带动其共同发展。因此，准确分析南京旅游人数的发展规律并对其未来增长态势进行预测，对于合理规划南京旅游产业的合理规划和发展，显得尤为重要。

国内外研究现状

关于旅游产业的预测方法的研究中，使用较多的方法是指数平滑法、线性回归分析法和灰色gm(1,1)模型。

2. 研究的基本内容

第一章针对南京市旅游客流量的选题背景和当前研究的现状进行叙述，进而阐明了本次研究的意义。旅游业作为世界范围内迅速发展的新兴产业，在过去数十年保持并在未来会继续保持较快的增长态势。旅游业对经济发展具有强大的推动作用，因而准确完成旅游客流量分析的工作，关系到对未来南京市旅游产业规模的准确把握，是做好发展规划，提高政策效能，明确投资风险的重要举措。接着从旅游客流量预测的行业研究现状开始分析，介绍了相关预测方法，为本文的预测提供了基础。

第二章对使用的模型的具体方法进行了介绍，先后介绍了多元线性回归、灰色马尔科夫预测模型，以及对这两种预测模型进行组合预测的定权、变权组合预测模型。

第三章进行实证检验，搜集了南京过去十三年的旅游客流量数据，用前十年的数据，分别建立了多元线性回归模型、灰色马尔科夫预测模型、定权组合预测模型、变权组合预测模型，并计算这四种模型下后三年的预测值，并于真实值比较，计算并比较误差。在证明预测模型有用性的同时，证明了变权组合预测模型具有最高的预测精度。

3. 实施方案、进度安排及预期效果

查阅文献，确定多元回归的变量。

多元回归采用spss确定系数。

使用matlab进行灰色gm（1，1）模型的求解和markov修正，计算定权组合、边权组合的权重系数。最后计算误差，给出模型精确度的评价值。

4. 参考文献

[1] 钟恒恺.基于数学模型的南京旅游人数预测与方案优化[J].通讯世界,2018,25(12):262-264.

[2] 潘丽琴.南京市旅游业发展研究[J].江苏商论,2018(11):46-47.

[3] 南京市统计年鉴．南京统计年鉴[J]．南京：南京出版社，2005～2017．

[4] 钟丽燕.基于多元线性回归分析的国内旅游收入预测[J].现代商业,2017(15):44-45.

[5] 石峻驿,周妮文,钱源.基于网络搜索数据的北京市旅游区客流量预测研究——基于五折交叉验证法的不同预测模型比较[J].经济统计学(季刊),2017(02):73-85.

[6] 杨凯云. 基于大数据旅游需求预测的舟山海洋旅游业发展研究[D].浙江海洋大学,2017.

[7] 潘婧,张慧敏.主成分分析法在国内旅游收入影响因素评估中的应用[J].山西大同大学学报(自然科学版),2018,34(04):31-33 57.

[8] 于洋,王尔大,刘爱琴.入境旅游市场规模预测及拓展策略研究——以大连市为例[J].旅游论坛,2010,3(01):100-105.

[9] 张红贤,马耀峰.中国入境旅游市场的多元回归预测[J].资源开发与市场,2005(02):105-106.

[10] 民航发展研究所“十一五”市场需求研究小组.中国航空运输市场分析与预测[J].中国民用航空,2004(08):41-44.

[11] Morley, Clive. Modeling InternationalTourism Demand: Model Specification and Structure. Journal of Travel Research30, no. 1 (July 1991): 40–44. doi:10.1177/004728759103000108.

[12] Turner, L. W., Reisinger, Y., Witt, S. F. (1998). Tourism Demand Analysis Using Structural EquationModelling. Tourism Economics, 4(4), 301–323.

[13] Turner, L. W., Witt, S. F.(2001). Factors Influencing Demand for International Tourism: Tourism DemandAnalysis Using Structural Equation Modelling, Revisited. TourismEconomics, 7(1), 21–38.

[14] Martin Oppermann,Intranationaltourist flows in Malaysia,Annals of Tourism Research,Volume 19, Issue3,1992,Pages 482-500,ISSN 0160-7383.

[15] Samuel Seongseop Kim, Jerome Agrusa,Heesung Lee, Kaye Chon,Effects of Korean television dramas on the flow ofJapanese tourists,Tourism Management,Volume 28, Issue 5,2007,Pages1340-1353,ISSN 0261-5177.

[16] 王晚香,刘文俭,李岩.基于灰色关联和多元回归预测的铁路客运需求分析及预测[J].大连交通大学学报,2019,40(01):22-25.

[17] 张长耀,刘秀丽.基于灰色系统理论GM(1,1)模型的林芝旅游市场规模预测[J].科技和产业,2017,17(09):40-42 47.

[18] 王红艳,刘苗.基于灰色预测模型的延安旅游客流研究[J].价值工程,2016,35(18):176-178.

[19] 田关云. 基于马尔科夫链的旅游交通需求预测[A]. 中国城市规划学会城市交通规划学术委员会.新型城镇化与交通发展——2013年中国城市交通规划年会暨第27次学术研讨会论文集[C].中国城市规划学会城市交通规划学术委员会:中国城市规划学会,2014:8.

[20] 林鑫,杜美华,马云峰.基于markov的大学生旅游市场分析[J].数字通信世界,2019(03):246-247.

[21] 何晓颖,霍健聪.基于马尔可夫链的舟山海岛旅游人数预测[J].旅游纵览(下半月),2018(12):53-55.

[22] 潘丽,李林.基于灰色马尔科夫模型的上海铁路客运量预测[J].物流科技,2019,42(03):99-102.

[23] 宋志兰,孔民警,黄益,周文婧,项祎麒.基于灰色-马尔科夫链的冷链物流需求量预测——以昆明市鲜切花为例[J].物流工程与管理,2019,41(02):17-21.

[24] 纪兆南.基于Gray-Markov的贵州省物流量预测[J].物流科技,2019,42(02):145-149.

[25] Uysal, M., El Roubi, M. S.(1999). Artificial Neural Networks versus Multiple Regression in Tourism DemandAnalysis. Journal of Travel Research, 38(2), 111–118.

[26] 胡贝贝,王莉,汪德根.灰色线性回归组合模型在中国出境旅游规模预测中的应用[J].安徽农业大学学报(社会科学版),2018,27(06):56-62.

[27] 谭凯,汪文生,张利,梁怡.基于多元回归——灰色预测组合方法的煤炭行业人才需求预测[J].煤炭工程,2019,51(03):151-154.

[28] 王洋.基于多种模型组合的成都市入境旅游需求预测研究[J].经济研究导刊,2019(03):178-179 187.

[29] 郑干.变权组合模型在工程变形预测中的研究[J].测绘与空间地理信息,2019(04):157-161.

[30] 张明江,李红卫,夏贵进.基于变权组合模型的光缆传输损耗预测[J].光通信技术,2018,42(05):45-49.

[31] 张峰,柳炳祥,张月.一种基于BP神经网络算法的旅游人数预测方法[J].信息与电脑(理论版),2019(03):60-62.

[32] 孔朝莉.基于乘法季节模型的海南旅游人数预测[J].统计与管理,2018(02):62-64.

[33] 魏培梅.旅游收入优化预测方法改进研究与仿真[J].计算机仿真,2016,33(11):190-193.

[34] 张泽汉,邱守明,李小龙.云南省弥勒市森林旅游市场分析及预测研究[J].旅游纵览(下半月),2019(02):97-99.