@article { author = {فرزین, محمدرضا and افسر, امیر and اکبر پور, تقی and اکبرپور, علی}, title = {}, journal = {Tourism Management Studies}, volume = {8}, number = {24}, pages = {1-33}, year = {2014}, publisher = {Allameh Tabataba’i University}, issn = {2322-3294}, eissn = {2476-597X}, doi = {}, abstract = {}, keywords = {}, title_fa = {مدل سازی پیش بینی گردشگری ورودی به ایران با استفاده از روش هایARIMA و شبکه های عصبی فازی}, abstract_fa = {صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سال‎های اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاست‎ها و برنامه‎های توسعه گرانه می‎باشد. دولت‎ها و بخش‎های خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیش‎بینی تقاضا در این بخش می‎باشند. هر چند که اکثر مطالعات انجام گرفته جهت پیش‎بینی تقاضا در گردشگری از روش‎های کمی استفاده کرده‎اند ولی رویکردها و روش‎های کمی و کیفی گوناگونی برای این امر پیشنهاد و استفاده شده‎اند. در مطالعات پیشین به ویژه با توجه به معرفی نسبتا جدید رویکردهای شبکه‎های عصبی و شبکه‎های عصبی فازی، روش‎های هوش مصنوعی، کمتر در پیش‎بینی در بخش گردشگری مورد استفاده قرار گرفته اند.مطالعه حاضر قصد دارد میزان تقاضای گردشگری ورودی به ایران را از طریق مدل پیشنهادی شبکه‎های عصبی فازی پیش‎بینی کند و صحت و دقت عملکرد این روش را با روش ‎ARIMA مقایسه کند. این مطالعه پس از تعیین و اولویت بندی مهمترین عوامل تاثیرگذار بر تابع تقاضای گردشگری ورودی به ایران و تعیین معماری شبکه‎های عصبی فازی به این نتیجه دست یافت که در تمامی معیارهای ارزیابی عملکرد پیش‎بینی، روش مدل شبکه‎های عصبی فازی بر ARIMA برتری دارد.  }, keywords_fa = {واژگان کلیدی: پیش‎بینی تقاضا,گردشگری ورودی,شبکه‎های عصبی مصنوعی,شبکه‎های عصبی فازی}, url = {https://tms.atu.ac.ir/article_70.html}, eprint = {https://tms.atu.ac.ir/article_70_fe195c395d1a6fa95c6ffd03af352f82.pdf} }