Abstract:
یکی از مهمترین رویدادها در صنعت گردشگری هر کشور میزان تقاضا برای یک محصول یا مقصد گردشگری است، اما باید توجه داشت که پیشبینیها هرگز نمیتوانند کاملاً با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیشبینی وجود خواهد داشت، اما استفاده از روشهای علمی و نوین در امر پیشبینی باعث خواهد شد که نتایج بهمراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سالهای اخیر با تغییر الگوی تعطیلات و شکلگیری تعطیلات کوتاهمدت، شهرها فرصتی برای توسعۀ گردشگری پیدا کردند. یکی از مهمترین انواع گردشگری داخلی شهر تهران، بر اساس گزارش مرکز ملی آمار و دیدگاههای صاحبنظران این حوزه، گردشگری فرهنگی است. ازاینرو، پژوهش پیش رو سعی دارد مدلهایی را برای پیشبینی تقاضای گردشگری فرهنگی داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانۀ سالهای 1381 ـ 1398 استفاده شده است. متغیر مستقل این پژوهش تعداد گردشگران فرهنگی داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند. چارچوب مدل ترکیبی از رگرسیون، شبکۀ عصبی فازی و الگوریتمSVR است که با ترکیب این روشها میتوان خطای پیشبینی را اندازهگیری کرد و روشها را با هم مقایسه کرد. نتایج این پژوهش نشان میدهد رویکرد ترکیبی رگرسیون و الگوریتم SVR پیشنهادی میتواند پیشبینی بهتری نسبت به سایر روشها در خصوص گردشگری فرهنگی داخلی داشته باشد.
In recent years, with the changing pattern of holidays and the formation of short-term holidays, cities have found the opportunity for tourism development. One of the most important types of domestic tourism in Tehran, based on the statistics of the National Center of Statistics and the views of the experts in this area, is cultural tourism. For this purpose, the present study seeks to propose models for forecasting effective variables on forecasting domestic cultural tourism demand in Tehran. To do this, data from years 2002 to 2019 were used and analyzed. Independent variable of this study is the number of domestic business tourists in Tehran, and dependent variables were selected based on Delphi and Fuzzy DEMATEL techniques. The model framework is a combination of regression, fuzzy neural network, and SVR algorithm, which combines these methods to measure forecast errors and compare the methods. The results of this research show that the proposed hybrid approach of regression and Adaptive Neuro-Fuzzy Inference System (ANFIS) can have better prediction than other methods for forecasting domestic Business tourism.