基于直覺模糊的杭州宋城主題公園旅游收入時序預測的新方法

徐萍麗 張婷婷 張鯤 王鴻緒

摘 要：時序預測所研究的應用問題很廣泛，針對杭州宋城主題公園旅游收入問題，基于直覺模糊時間序列預測模型進行算法改進與研究，以已知年數據進行模擬預測，得出較小的誤差率，在已有方法的基礎上，構造新公式與新算法，從而推論對未知年份預測方法的可行性，以提高預測精度。

關鍵詞：模時間序列預測；百分比；百分比的分段；逆模糊數

中圖分類號：F590 文獻標志碼：A 文章編號：1673-291X（2016）07-0159-06

引言

隨機性、缺失相關的參數、信息不精確等因素的廣泛存在，使得隨機理論難以有效地解決旅游收入預測問題。文獻[1]把旅游收入預測問題看成灰色系統，應用GM（1，1）灰色模型研究杭州宋城主題公園旅游收入預測問題，不僅能進行歷史數據的模擬預測，還能進行未知年數據的短中期預測，是研究該問題的可行方法。Song等[2，3，4]把大學生入學率作為模糊系統，用模糊語言表示大學入學率的數據，首次提出模糊時間序列概念，并提出第一個模糊時間序列模型，應用于預測阿拉巴馬大學新生入學率問題。文獻[5]應用基于頻率基于密度劃分論域，并首次提出逆模糊數概念，應用提出的模型得到阿拉巴馬大學新生入學率預測的為較小的0.57%；文獻[6]改進文獻[5]的模型，得到同一問題的為很小的0.47%；文獻[7]進一步改進這個模型，得到同一問題的為更小的0.34%，已經精確度非常高了。但是，這些模型沒有提及用于研究未知年的數據的預測。文獻[8]不使用文獻[5，6，7]把論域區間劃分的方法，而是直接應用歷史數據的逐年百分比和逐年百分比的差，建立論域，應用文獻[5，6，7]所使用的逆模糊數概念，重新建立預測公式，提出新的模糊時間序列預測模型NFTSFM（New Fuzzy Time Series Forecasting Model），得到同一問題的為非常小的0.27%，不僅歷史數據的模擬預測精度較高，而且文獻[8]的NFTSFM 能進行未知年數據的預測。本文又對文獻[8]的方法做小的修改，提出改進的模糊時間序列預測模型IFTSFM（Improved Fuzzy Time Series Forecasting Model）。應用IFTSFM重新研究文獻[1]中應用GM（1，1）灰色模型來研究杭州宋城主題公園旅游收入預測問題，得到的歷史數據預測的，IFTSFM比GM（1，1）灰色模型更小。文獻[9]改進了前面的算法，以此應用于三亞旅游總收入中，充分證明該方法可行，本文還原新方法應用于杭州宋城主題公園旅游收入應用于未知年的數據的預測。

一、基本概念

其中Pi和Pi-1分別是i年預測數據和i-1年的預報數據（在本例中，預測未知年2013年的數據時，Pi-1用的是2012年的已知數據）。如果ρi是負數，說明該年的旅游收入比前一年下降的百分數；如果ρi是零，說明該年的旅游收入和前一年比相同；如果ρi是正數，說明該年的旅游收入比前一年上升的百分數。

六、關于應用IFTSFM計算未知年2013—2016年間宋城主題公園旅游總收入的預測數據時的說明

當計算未知年2013年的預測數據時，需要使用2012年的已知逐年百分比U2012=15.75，百分比分段論域中的元素wj僅取j=-1，0，1，2，3等5個值（把未知年預測數據相對預測誤差率保持在本文表2中除了特例71.12%外的增長比例，即增長比例保持在15.75%～32.41%之間），得到關于2013年的5個預測數據。其中粗體字為預報數據，粗體字上方的數據為保守預測數據，粗體字下方的數據為冒險預測數據。計算未知年2014年的預測數據時，需要使用2013年的預報數據。以此類推，可計算出2014年、2015年和2016年的預測數據，其中粗體字作為預報數據，它的確定如果有決策者的參與可能更符合實際情況。如果預計發生和已經發生重大利好或重大利空，調節分段論域中的元素的取值便可迅速計算出可能改變的預測數據。

結束語

杭州宋城主題公園從建成至今，沒有經過市場培育期，而是直接步入高速成長期。說明該項目特色鮮明，體現了游客對新時期旅游產品的需求，近年來在我國如麗江、三亞等地都相繼復制成功，對于杭州宋城主題公園收入預測分析對于研究整個市場的變化和走勢具有重要作用。而IFTSFM的預測公式具有結構簡潔，計算工作量小的特點，特別是當預計發生和已經發生重大利好或重大利空時，調節分段論域中的元素的取值便可迅速計算出可能改變的預測數據，以便決策者快速決斷。由于歷史數據模擬預測的平均預測誤差率非常小，建議應用GM（1，1）灰色模型解決歷史數據模擬預測時預測誤差較大情況下（例如AFER超過5%）時，改用IFTSFM效果更佳。

參考文獻：

[1] 方琳，程乾.基于灰色模型的杭州主題公園游客數量和經濟收入預測研究[J].經濟研究導刊，2014，（15）：223-225.

[2] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series—Part I[J].Fuzzy Sets and Systems，1993，（54）：1-9.

[3] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series[J].Fuzzy Sets and Systems，1993，（54）：269-277.[4] Song Q.，Chissom B.S.Forecasting enrollments with fuzzy time series—Part II[J].Fuzzy Sets and Systems，1994，（62）：1-8.

[5] T.A.Jilani，S.M.A.Burney，C.Ardil.Fuzzy metric approach for fuzzy time series forecasting based on frequency density based par-

titioning.World Academy of Science[J].Engineering and Technology，2007，（34）：1-6.

[6] Stevenson M.，Porter J.E.Fuzzy time series forecasting using percentage change as the universe of discourse[J].World Academy of Science，

Engineering and Technology，2009，（55）：154-157.

[7] P.Saxena，K.Sharma，S.Easo.Foreeca enrollment based on fuzzy time series with higher forecast accuracy rate[J].International Journal

of Computer Technology and Applications，2012，（3）：957-961.

[8] Wang Hongxu，Guo Jianchun，Feng Hao，Jin Hailong.A new forecasting model of fuzzy time series[J].Applied Mechanics and Ma-

terials，2014：59-63.

[9] 廖民生，張鯤，王鴻緒，李壯，王海豐.基于模糊時間序列模型預測三亞旅游總收入[J].經濟研究導刊，2015，（4）：237-242.

[責任編輯 王曉燕]