淡江大學機構典藏:Item 987654321/115128
English  |  正體中文  |  简体中文  |  Items with full text/Total items : 55523/89843 (62%)
Visitors : 10960799      Online Users : 192
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/115128


    Title: 以倒傳遞網路預測來台觀光人次之研究
    Other Titles: Inbound Tourist Demand Forecasting by Back-Propagation Network
    Authors: 陳淑娟;郭仕堯;許紹紋
    Keywords: 觀光人次;需求預測;類神經網路;倒傳遞網路;tourist;forecasting;artificial neural network;back-propagation network
    Date: 2010-07
    Issue Date: 2018-10-09 12:10:33 (UTC+8)
    Publisher: 真理大學觀光休閒與運動學院
    Abstract: 需求預測對於觀光產業決策影響甚鉅,唯有仰賴精確的預測方法,準確預測需求,觀光產業才能做出最佳的營運決策,及早擴充人力與設備。類神經網路可接受不同種類的輸入變數,適應力強,具良好推廣性,故本研究採用監督式學習網路中的倒傳遞神經網路(Back-Propagation Network),自行撰寫MATLAB程式,進行日本及香港來台觀光人次之預測,並使用PC Neuron軟體驗證。本研究透過回顧觀光人次預測相關文獻,歸納並採用學界較常使用的7個輸入變數:人口(Population)、航班數量(Flight Movement)、消費者物價指數(Consumer Price Index)、平均飯店費率(Average Hotel Rate)、匯率(Foreign Exchange Rate)、行銷費用(Marketing Expenses)與國內支出總額(Gross Domestic Expenditure)。分別進行日本與香港來台觀光人次預測之分析比較,並探討訓練年份與輸入變數之影響。實證結果發現將以上變數輸入倒傳遞網路,預測日本與香港來台觀光人次之平均絕對百分誤差(Mean Absolute Percentage Error)分別為2.25%與4.75%,預測能力極佳。探討輸入變數得知,去除航班數量和消費者物價指數之影響最大。本研究亦發現香港因具有轉運特性,故去除國內(境內)支出總額後,觀光人次預測較為準確。
    Relation: 真理觀光休閒學報 8, p.87–98
    DOI: 10.6438%2fTOJT.201007.0087
    Appears in Collections:[Department of International Tourism management] Journal Article

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML34View/Open
    以倒傳遞網路預測來台觀光人次之研究.pdf1668KbAdobe PDF0View/Open

    All items in 機構典藏 are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - Feedback