Resumen

La industria del turismo se ha convertido en uno de los sectores económicos más importantes para los gobiernos de todo el mundo. La previsión precisa de la demanda turística es crucial porque proporciona información útil a las industrias relacionadas y a los gobiernos, lo que permite a las partes interesadas ajustar los planes y las políticas. Para desarrollar una herramienta de previsión para la industria turística, este estudio propone un método que combina la selección de características (FS) y la regresión de vectores de soporte (SVR) con la optimización de enjambre de partículas (PSO), denominado FS-PSOSVR. Para garantizar una alta precisión de las previsiones, se emplean FS y un algoritmo PSO para, respectivamente, seleccionar variables de entrada fiables e identificar los parámetros iniciales óptimos de SVR. El método propuesto se probó utilizando un conjunto de datos de llegadas mensuales de turistas a Taiwán desde enero de 2006 hasta diciembre de 2016. Los resultados revelan que los errores obtenidos con FS-PSOSVR son comparativamente menores que los obtenidos con otros métodos, lo que indica que FS-PSOSVR es un método eficaz para predecir la demanda turística.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:industria turística, alta precisión de previsión, psosvr, optimización de enjambre de partículas, sector económico importante, parámetros iniciales óptimos, parámetros de svr, llegada mensual de turistas, previsión de la demanda turística, variable de entrada fiable
• Keywords:tourism industry, high forecast accuracy, psosvr, particles swarm optimization, important economic sector, optimal initial parameters, parameters of svr, monthly tourist arrival, forecasting tourism demand, reliable input variable