南阳市白河游览区客流量预测分析

郭鹏

摘要：随着南阳市城市建设的不断完善，市区白河游览区游客量逐年递增，游客量的变化与区域旅游发展息息相关。本文在灰色预测模型GM（1，1）模型群的基础上，采用新息GM（1.1）模型群分段选优进行游客量预测，对白河游览区流量进行中短期预测，其预测精度均高于99%，预测结果可为南阳市白河游览区建设和管理等决策提供科学依据。

关键词：白河游览区；GM（1，1）模型群；灰色预测

1 白河游览区概况

白河游览区位于南阳市区南部的白河市区段上，经过历届市委、市政府的大力建设，白河游览区已初具规模，在南阳市中心城区形成了具有l066.7hm2水面的碧波长湖，堤、林、路、岛、桥、绿、水相互协调，相映成趣，在南阳市区形成了具有乡野情趣的白然生态系统，成为南阳市一道亮丽的风景线。如今，白河游览区不仅是南阳市民节假日游赏的地方，也是外地游客来南阳旅游的必去景点。因此，白河游览区游客量呈逐年迅速上升趋势。游客量是关系到游览区建设、管理决策的重要指标，是社会效益、经济效益的具体反映，也是影响游览区可持续发展能力的重要因素，游客量的科学预测可为白河游览区建设规划提供科学依据。

2 研究方法

根据系统理论，旅游区域内的客流量可视为一个独立的系统，该系统受旅游资源品质、品位、区位条件、区域经济条件等诸多因素的影响，具有明显的动态特征和不确定性及系统内部各子系统或要素间关系模糊性，同时存在已知信息、未知信息和不确定信息，符合灰色系统的特点，其中灰预测即是以GM f1，1）模型为基础，对现有数据所进行的预测方法，找出某一数列间各个元素之未来动态状况，不需要太多数据，且数学基础较简单。但该预测模型往往受原始数据中随机因素的影响，使预测的精度不高。本文在运用常规GM（1，1）模型群的基础上，采用新息GM（1，1）模型群，分段建立模型，从中选择最优模型进行预测，结果精度较高，预测可靠。

2.1 GM（1，1）模型群趋势预测理论

2.1.1 GM（1，1）模型。设有原始数据序列x，c o）={x，fo），，……x}，灰色模型的建立要经过以下步骤：对x.（0J作1-ACO得x1（”，则x1（1）={x1（'），X2（'） .......Xn（'）

2.1.2 构造数据矩阵B及数据向量Y。GM（1，1）模型的

据此灰色模型获得估计值，按公式还原可得所需的估计值。

2.2 GM（1，1）模型群

GM（1，1）模型群是从同一原始数据中不同起点建立的多个GM（1，1）模型，建模方法与GM（1，1）相同，只是预测结果及精度不同。

2.3 预测精度检验

一般采用平均相对误差（），均方差比值（C）及小误差概率（P）等进行检验，参考其他学者，模型精度检验标准见表l。

2.4 南阳市白河游览区客流量预测

以南阳市白河游览区2005～2011年的客流量（见表2）作为建模的原始材料，预测该森林公园2012～2016年的客流量趋势。

2.4.1 GM（ 1，1）模型群的建立。表2中，以2006年为原点分别取近7、6、5年的数据（选取样本数目，这里称之为维数）为原始数据序列，分析各数据序列满足准光滑条件、准指数规律，因而可建立GM（1，1）模型群进行预测，运用各个维数建模，所得计算结果见表3。

所建立的模型中，模型3平均相对误差0.36%<1.00%，均方差比值C=0.0306 <0.35，小误差概率P=l>0.95，为I级模型，精度最高，故选取模型3，预测效果见表4。

2.4.2 新息GM（1，1）模型群分段选优预测。理论上GM（1，1）模型是时间连续函数，可以进行无限的预测，但事实上，在任何一个灰系统的发展过程中，随着时间的推移，将会不断地有一些随机驱动或扰动因素进入系统，使系统的发展相继地受到影响，因此用GM（1，1）模型进行预测，其精度较高的仅是原点数据以后的1～2个数据。本文就采取补充最新信息，分段建立GM（1，1）模型群，用从中选择出的最优模型3来预测2012年的客流量，然后以预测的2012年的客流量作为原点，修正原始数据序列，按照2.1中的方法，分段建立不同维的模型群（这里包括4个模型），并筛选出最佳模型用其预测2013年的客流量，再以2013年为原点，修正原始数据序列分段建立不同维的模型群（这里包含5个模型），筛选出最优模型预测2014年，如此循环，每个原点对应一个模型群，选择一个最优模型，经过计算，把各原点对应的最优模型列于表5。

从表中可以看出，各模型都有高的精度，每个模型只产生一个预测值，合起来就是未来的预测序列及2012～2015年的客流量（见表6）。

3 结果与讨论

以灰预测少量数据的特性，采用GM（1，1）、新息GM（1，1）模型群，分段建立模型，从中选择最优模型进行预测，结果精度可达95%以上。应用新息模型群分段选优进行预测的方法，随着数据的增多，将大大增加计算的工作量，有待于进一步改进。因游客量趋势变化受到旅游地点、交通路线、旅游潮流、气候因素等影响，还有随机客流量，这需要游览区决策者在计划、决策时加以注意。