مدل سازي پيش بيني تقاضاي گردشگري تفريحي داخلي شهر تهران

Modeling for Predicting Domestic Demands for Recreational Tourism in Tehran

يكي از مهم ترين رويدادها در صنعت گردشگري هر كشور، ميزان تقاضا براي يك محصول يا مقصد گردشگري است. اما بايد توجه داشت پيش بيني ها هرگز نمي توانند به طور صددرصد با آنچه در عمل پيش خواهد آمد تطابق داشته باشند. هميشه فواصل و انحرافاتي بين مقادير واقعي و پيش بيني موجود خواهد بود، ولي استفاده از روش هاي علمي و نوين در امر پيش بيني، باعث خواهد شد نتايج حاصله به مراتب بيش از يك تخمين عيني به حقيقت نزديك شود. در سال هاي اخير با تغيير الگوي تعطيلات و شكل-گيري تعطيلات كوتاه مدت، شهرها فرصتي براي توسعه گردشگري پيدا كردند. يكي از مهم ترين انواع گردشگري داخلي شهر تهران، بر اساس آمار مركز ملي آمار و نظرات صاحب نظران اين حوزه، گردشگري تفريحي است به همين منظور پژوهش حاضر سعي دارد مدل هايي براي پيش بيني تقاضاي گردشگري تفريحي داخلي شهر تهران پيشنهاد كند. براي اين كار از اطلاعات ماهيانه بين سال هاي 1381 تا 1394 استفاده شده است. متغير مستقل اين تحقيق تعداد گردشگران تفريحي داخلي شهر تهران است و متغيرهاي وابسته نيز بر اساس تكنيك دلفي و ديماتل فازي انتخاب شدند، چارچوب مدل، تركيبي از رگرسيون ، شبكه عصبي فازي و الگوريتمSVR است كه با تركيب اين روش ها مي توان خطاي پيش بيني را اندازه گيري و روش ها را با هم مقايسه كرد. نتايج اين پژوهش نشان مي دهد رويكرد تركيبي رگرسيون و شبكه هاي عصبي فازي (ANFIS) پيشنهادي مي تواند پيش بيني بهتري نسبت به ساير روش ها در خصوص پيش بيني گردشگري تفريحي داخلي داشته باشد.

Recreational tourism is an important form of domestic tourism in Tehran, based on the statistics of the National Center of Statistics and the views of the experts. This paper tried to propose models for predicting effective variables on predicting domestic demands for recreational tourism in Tehran. The study used the monthly information between 2001 and 2015. The independent variable was the number of domestic recreational tourists in Tehran, and the dependent variables were selected based on Delphi and Fuzzy DEMATEL techniques. The model framework was a combination of regression, the fuzzy neural network, and SVR algorithm. The combinations of these methods helped measure prediction errors and compare methods. Results showed that the proposed hybrid approach of regression and Adaptive Neuro-Fuzzy Inference System (ANFIS) could have a better prediction compared to other methods for predicting domestic recreational tourism.