Resumen

Este artículo tiene como objetivo explorar un método de predicción más adecuado para entornos turísticos complejos, mejorar la precisión de los resultados de predicción turística y explorar la ley de desarrollo del turismo doméstico de China para servir mejor a la gestión del turismo doméstico y la toma de decisiones turísticas. Este estudio utiliza la teoría de sistemas grises, la teoría de redes neuronales BP y el método del modelo de combinación para modelar y predecir la demanda turística. En primer lugar, se establece el modelo GM (1, 1) basado en la introducción de la teoría gris. Se obtienen series de datos regulares a través de la transformación de series de datos irregulares, y se establece el modelo de predicción. En segundo lugar, en el algoritmo de estructura de la red neuronal BP, se establece el modelo de red neuronal BP utilizando las series de datos del tiempo de viaje y el número de personas. Luego, combinando la red neuronal BP con el modelo gris, se establece el modelo de combinación de red neuronal gris para predecir

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Explorar; Método de predicción; Turismo; Teoría del sistema gris; Red neuronal BP; Modelo de combinación
• Keywords:Explore; Prediction method; Tourism; Grey system theory; BP neural network; Combination model