مدل تركيبي پيش بيني تقاضاي گردشگري داخلي شهر تهران

Hybrid Model of Forecasting Domestic Tourism Demand of Tehran City

مقدار ‌تقاضا ‌براي ‌محصول ‌يا ‌مقصد‌گردشگري ‌از‌ مهمترين رويدادها ‌در ‌صنعت ‌گردشگري ‌هر ‌كشور ‌است. اما‌ بايد ‌توجه ‌داشت ‌كه ‌پيش بيني ها هرگز ‌با ‌آنچه ‌در ‌عمل ‌پيش ‌خواهد ‌آمد‌ 100درصد ‌مطابقت ‌ندارد؛‌ هميشه‌ فواصل و ‌انحرافاتي ‌بين ‌مقادير ‌واقعي ‌و‌ پيش بيني ‌وجود ‌خواهد ‌داشت. ‌به كارگيري ‌روشهاي ‌علمي ‌و ‌نوين ‌در ‌پيش بيني ‌سبب ‌مي شود ‌كه ‌نتايج ‌به دست آمده ،‌به مراتب ‌بيش ‌از ‌يك ‌تخمين ‌عيني، ‌به ‌واقعيت ‌نزديك ‌شود در سال‌هاي اخير با تغيير الگوي تعطيلات و شكل‌گيري تعطيلات كوتاه‌مدت، شهرها فرصتي براي توسعه گردشگري پيدا كردند. به همين منظور پژوهش حاضر سعي دارد ابتدا 4 نوع از مهمترين انواع گردشگري داخلي شهر تهران را شناسايي و سپس مدل‌هايي براي پيش‌بيني متغيرهاي تأثيرگذار بر پيش‌بيني تقاضاي هر يك از آنها پيشنهاد كند. براي اين كار از اطلاعات حتي المقدور ماهيانه بين سال‌هاي 1381 تا 1394 استفاده‌شده است. متغير مستقل اين تحقيق تعداد گردشگران داخلي شهر تهران به تفكيك 4 نوع از مهم‌ترين انواع گردشگري داخلي شهر تهران است و متغيرهاي وابسته نيز بر اساس روش دلفي فازي و ديماتل فازي انتخاب شدند، چارچوب مدل، تركيبي از رگرسيون، شبكه عصبي فازي و الگوريتم SVR است كه با تركيب اين روش‌ها مي‌توان خطاي پيش‌بيني را اندازه‌گيري و روش‌ها را باهم مقايسه كرد. نتايج اين پژوهش نشان مي‌دهد رويكرد تركيبي رگرسيون و شبكه‌هاي عصبي فازي (ANFIS ) داراي كمترين خطا در مقايسه با ساير روش‌ها در خصوص پيش‌بيني گردشگري تفريحي و VFR داخلي و رويكرد تركيبي رگرسيون و الگوريتم SVR داراي كمترين خطا در مقايسه با ساير روش‌ها در خصوص پيش‌بيني گردشگري پزشكي و تجاري- اداري داخلي است.

In recent years, with the changing pattern of holidays and the formation of short-term holidays, cities have found the opportunity for tourism development. Four types of the most important types of domestic tourism in Tehran, based on the statistics of the National Center of Statistics and the views of the experts in this area, is Medical, VFR, Recreational and Business tourism. For this purpose, the present study seeks to propose models for forecasting effective variables on forecasting domestic tourism demand in Tehran based on these four types. To do this, information was used between the years 2001 to 2015. Independent variable of this study is the number of domestic tourists in Tehran, based on these four types and dependent variables were selected based on Delphi and Fuzzy DEMATEL techniques. The model framework is a combination of regression, fuzzy neural network, and SVR algorithm, which combines these methods to measure forecast errors and compare the methods. The results of this research show that the proposed approach of regression can have better prediction than other methods for forecasting domestic Medical tourism and the proposed hybrid approach of regression and Adaptive Neuro-Fuzzy Inference System (ANFIS) can have better prediction than other methods for forecasting domestic VFR and Recreational tourism and the proposed hybrid approach of regression and SVR algorithm can have better prediction than other methods for forecasting domestic Business tourism.