[[alternative]]Application of grey support vector regression in forecasting international tourism demand

碩士[[abstract]]預測國際旅遊需求的研究最近越來越受到矚目，因此，預測旅遊需求人數是很重要的，至今已經有很多的文獻做過不同國家的旅遊需求分析。近來，中國大陸為世界旅客輸出最大的出境國家，且拜直航之賜，來台觀光團費大幅調降，更是大大提高陸客來台意願，所以，預測大陸來台旅遊的人數對台灣觀光旅遊的規劃與發展是很重要的議題。但開放至目前的時間尚短，相對來說，資料量就略顯稀少，且正因為剛開放，陸客來台旅遊數量未趨穩定，資料變異較大，目前並未有一個適合的預測方法可以應用，故本研究利用灰色預測方法可處理少資料的特性和支援向量機估計風險最低的優點，提出了將兩者混合的預測模式──灰色支援向量迴歸模式(Grey Support Vector Regression, GSVR)；並以MAPE作為預測績效衡量指標。實證結果顯示GSVR模式(MAPE=19.0025%)表現明顯優於簡單迴歸模式(MAPE=39.7775%)、指數平滑模式(MAPE=38.0638%)及GM(1,1)模式(MAPE=46.4863%)，並可成功外插預測2010年1月的大陸來台旅遊人數，MAPE值可達0.96%。[[abstract]]The tourism industry, which benefits the transportation, accommodation, catering, entertainment and retailing sectors, has been blooming in the past few decades. The 20th century witnessed a steady increase in tourism all over the word. Each country wants to know its international visitors and tourism receipts in order to choose an appropriate strategy for its economic well-being. In Taiwan, the visitors from China become possible since 2008 whereas the data is limit, fluctuated and difficult to forecast in tourism planning. In order to cope with this problem, we use the both advantages of support vector regression and grey theory to construct a new model – Grey Support Vector Regression (GSVR). Estimated China tourists were compared with actual published China tourists by MAPE. Empirical results demonstrate GSVR model (MAPE = 19.0025%) showed significantly better than simple regression models (MAPE = 39.7775%), single exponential smoothing model (MAPE = 38.0638%) and GM (1, 1) (MAPE = 46.4863%), and can successfully extrapolation 2010/1 of China tourists, MAPE values up to 0.96%.[[tableofcontents]]目錄 I 圖目錄 III 表目錄 IV 第一章 緒論 1 1.1 研究背景 1 1.2 研究動機與目的 2 1.3 研究架構 4 第二章 文獻探討 7 2.1 旅遊需求預測之文獻 7 2.2 預測理論之相關文獻 10 2.2.1 預測的定義 11 2.2.2 預測的方法 12 2.3 支援向量機用於預測之相關文獻 18 第三章 相關理論探討與介紹 21 3.1 支援向量機用於分類(Support Vector Classification) 21 3.2 支援向量機用於迴歸(Support Vector Regression) 23 3.2.1 拉格郎奇乘算子 27 3.2.2 核函數 28 3.2.3 損失函數 29 3.3 灰色理論簡介 30 3.3.1 灰色系統理論之內涵 31 3.3.2 灰色系統理論之操作 32 3.3.3 GM(1,1)模型 35 第四章 預測模式之建立 37 4.1 參數篩選 37 4.1.1 參數選取法則 38 4.1.2 參數計算過程 39 4.2 建構灰色支援向量迴歸模式 40 第五章 實證分析 46 5.1 GSVR預測實證分析 46 5.2 灰色GM(1,1)預測 49 5.3 GSVR敏感度分析 54 第六章 結論與建議 60 6.1 結論 60 6.2 管理意涵 61 6.3 未來研究方向 62 參考文獻 64 一、英文部分 64 二、中文部分 67 附錄一 70 圖目錄 圖1- 1 研究流程圖 5 圖2- 1 需求預測在決策過程中所扮演的角色 7 圖2- 2 觀光預測實證方法之分類 9 圖3- 1 最佳分類超平面(Müller, 2001) 22 圖3- 2 線性不可分割情形(Müller, 2001) 23 圖3- 3 轉換成特徵空間之示意圖 23 圖3- 4 導入ε−不敏感損失函數的支援向量迴歸 26 圖3- 5 傳統線性迴歸與支援向量迴歸之比較圖(張逸凡, 2005) 27 圖3- 6 Loss Function(Gunn, 1998) 30 圖5- 1 GSVR模式預測大陸來台旅遊人數結果 48 圖5- 2 GM(1,1)模式預測大陸來台旅遊人數結果 51 圖5- 3 各模式預測大陸來台人數之結果 53 圖5- 4 各ε值下支援向量個數佔樣本數之比例 54 圖5- 5 改變C值GSVR模式預測大陸來台人數之結果(C=5) 55 圖5- 6 改變C值GSVR模式預測大陸來台人數之結果(C=0.05) 56 圖5- 7 改變σ值GSVR模式預測大陸來台人數之結果(σ=10) 57 圖5- 8 改變σ值GSVR模式預測大陸來台人數之結果(σ=0.1) 57 圖5- 9 GSVR模式預測大陸來台旅遊人數結果(樣本數=10) 58 圖5- 10 GSVR模式、GM(1,1)模式預測大陸來台旅遊人數結果(樣本數=5) 59 表目錄 表3- 1 灰色理論、模糊理論與機率統計之差異性 31 表4- 1 MAPE值評估標準 42 表5- 1 GSVR計算結果 47 表5- 2 GSVR模式預測大陸來台旅遊人數結果 48 表5- 3 GM(1,1)模式預測大陸來台旅遊人數結果 51 表5- 4 各模式預測大陸來台人數之結果 52 表5- 5 GSVR模式預測大陸來台旅遊人數結果(樣本數=10) 58 表5- 6 GSVR模式、GM(1,1)模式預測大陸來台旅遊人數結果(樣本數=5) 59[[note]]學號: 697620606, 學年度: 9