محمدرضا فرزین؛ امیر افسر؛ تقی اکبر پور؛ علی اکبرپور
دوره 8، شماره 24 ، دی 1393، ، صفحه 1-33
چکیده
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 ...
بیشتر
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.