Resumen

Con el impacto de la internacionalización global, la economía del turismo también ha experimentado un rápido desarrollo. El creciente interés que despiertan los métodos de previsión más avanzados nos lleva a innovar los métodos de previsión. En este trabajo, se propone el modelo de medias móviles autorregresivas de tendencia estacional con red neuronal dendrítica (modelo SA-D) para realizar la previsión de la demanda turística. En primer lugar, utilizamos el modelo de medias móviles autorregresivas integradas de tendencia estacional (modelo SARIMA) para excluir la tendencia lineal a largo plazo y, a continuación, entrenamos los datos residuales mediante el modelo de red neuronal dendrítica y realizamos una predicción a corto plazo. Como se ha demostrado en este trabajo, el modelo SA-D puede lograr un rendimiento predictivo considerablemente mejor. Para demostrar la eficacia del modelo SA-D, también utilizamos los datos que otros autores emplearon en los otros modelos y comparamos los resultados. También se demostró que el modelo SA-D lograba buenos rendimientos de predicción en términos de error cuadrático medio normalizado, porcentaje absoluto de error y coeficiente de correlación.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:modelo de red neuronal, tendencias estacionales autorregresivas, modelo, buen rendimiento predictivo, red neuronal dendrítica, previsión de la demanda turística, porcentaje de error, sa, mejor rendimiento predictivo, error cuadrático medio
• Keywords:neural network model, seasonal trends autoregressive, model, good predictive performance, dendritic neural network, tourism demand forecasting, percentage of error, sa, better predictive performance, means square error