Trang chủ
- Giảm 10% phí tải tài liệu khi like và share website
- Tặng 1 bộ slide thuyết trình khi tải tài liệu
- Giảm 5% dịch vụ viết thuê luận văn thạc sĩ của Luận Văn A-Z
- Giảm 2% dịch vụ viết thuê luận án tiến sĩ của Luận Văn A-Z
Dự Báo Nhu Cầu Du Khách Đến Thừa Thiên Huế Dựa Trên Mạng Nơ-Ron Nhân Tạo
Giá gốc là: 100.000 VNĐ.0 VNĐGiá hiện tại là: 0 VNĐ.
Dự báo chính xác nhu cầu du khách đến tại một điểm đến đóng một vai trò rất quan trọng trong việc tư vấn cho các nhà chính sách để lập kế hoạch và đưa ra các chiến lược liên quan đến đầu tư cơ sở vật chất, nâng cấp hạ tầng và phát triển dịch vụ. Có nhiều cách tiếp cận khác nhau trong dự báo nhu cầu du khách, trong đó dự báo dựa trên dữ liệu chuỗi thời gian đã và đang thu hút được nhiều sự quan tâm nhất do tính chất không có cấu trúc của loại dữ liệu đặc biệt này. Mạng nơ-ron nhân tạo được đánh giá là một phương pháp dự báo đặc biệt phù hợp với loại dữ liệu không có cấu trúc này. Bài báo này nghiên cứu việc sử dụng mạng nơ-ron nhân tạo, bao gồm: MLP, RBF và ELN, để dự báo đối với dữ liệu chuỗi thời gian về du khách đến Thừa Thiên Huế. Các phân tích và so sánh dựa trên mô phỏng chỉ ra rằng mạng RBF cho kết quả dự báo tốt nhất với MSE, RMSE, MAE và MAPE thấp nhất. Kết quả này không chỉ tương đồng với các nghiên cứu trước đây mà còn khẳng định thêm rằng tính năng chuyển đổi không gian từ phi tuyến thành tuyến tính của lớp ẩn đã làm cho RBF trở nên mạnh mẽ đối với loại dữ liệu không có cấu trúc.
1/ Thông tin bài báo
- Tên bài báo: DỰ BÁO NHU CẦU DU KHÁCH ĐẾN THỪA THIÊN HUẾ DỰA TRÊN MẠNG NƠ-RON NHÂN TẠO
- Tác giả: Võ Viết Minh Nhật, Lê Văn Hòa, Nguyễn Thị Thúy Vân, Hoàng Thị Huế
- Số trang: 17-33
- Năm: 2021
- Nơi xuất bản: Tạp chí Khoa học Đại học Huế: Kinh tế và Phát triển
- Từ khoá: Dự báo nhu cầu du lịch, dữ liệu chuỗi thời gian, mạng nơ-ron nhân tạo, dữ liệu du khách đến Thừa Thiên Huế
2/ Nội dung chính
Bài báo nghiên cứu về việc ứng dụng mạng nơ-ron nhân tạo (ANN) để dự báo nhu cầu du lịch, một yếu tố quan trọng trong việc lập kế hoạch và phát triển ngành du lịch. Bài viết tập trung vào dữ liệu chuỗi thời gian về lượng khách du lịch đến Thừa Thiên Huế, sử dụng ba mô hình ANN phổ biến là MLP (Multi-layer Perceptron), RBF (Radial Basis Function) và ELN (Elman Network). Mục tiêu chính là tìm ra mô hình ANN phù hợp nhất để dự báo chính xác nhu cầu du lịch, từ đó cung cấp cơ sở cho các nhà hoạch định chính sách và doanh nghiệp du lịch đưa ra các quyết định đầu tư và phát triển dịch vụ hiệu quả. Các tác giả nhấn mạnh rằng, dự báo chính xác nhu cầu du lịch có vai trò then chốt trong việc định hướng đầu tư cơ sở vật chất, nâng cấp hạ tầng và phát triển các dịch vụ du lịch phù hợp, đặc biệt trong bối cảnh du lịch ngày càng đóng góp lớn vào tăng trưởng kinh tế của các địa phương.
Nghiên cứu này sử dụng dữ liệu thực tế về lượng khách du lịch đến Thừa Thiên Huế trong giai đoạn từ 1/2017 đến 12/2019. Dữ liệu này được chia thành hai tập: tập huấn luyện (từ 1/2017 đến 12/2018) và tập kiểm tra (từ 1/2019 đến 12/2019). Các tác giả đã chuẩn hóa dữ liệu trước khi đưa vào các mô hình ANN để cải thiện độ chính xác và tốc độ hội tụ của quá trình huấn luyện. Bài báo cũng mô tả chi tiết cách xây dựng ma trận dữ liệu huấn luyện và kiểm tra dựa trên số bước thời gian trễ, tương ứng với số đầu vào của mạng. Mục đích của nghiên cứu là đánh giá hiệu suất của từng mô hình ANN trong việc dự báo lượng khách du lịch, đồng thời kiểm định các kiến trúc mạng khác nhau như (6:3:1) và (12:6:1) để tìm ra cấu hình tối ưu. Việc đánh giá hiệu suất dựa trên các chỉ số phổ biến như MSE, RMSE, MAE và MAPE.
Kết quả nghiên cứu cho thấy rằng, mạng RBF đạt hiệu suất dự báo tốt nhất với các giá trị MSE, RMSE, MAE và MAPE thấp nhất so với hai mô hình MLP và ELN, đặc biệt với kiến trúc (12:6:1). Điều này khẳng định tính ưu việt của RBF trong việc xử lý dữ liệu chuỗi thời gian không có cấu trúc và phi tuyến. Bên cạnh đó, việc tăng số đầu vào từ 6 lên 12 cho thấy sự cải thiện đáng kể về độ chính xác dự báo, cho thấy tầm quan trọng của việc xem xét các yếu tố thời gian dài hơn trong dự báo nhu cầu du lịch. Bài báo kết luận rằng, mạng RBF là lựa chọn phù hợp cho việc dự báo nhu cầu du lịch tại Thừa Thiên Huế, và đóng góp vào việc phát triển một phương pháp dự báo chính xác hơn dựa trên dữ liệu chuỗi thời gian. Nghiên cứu này cũng gợi ý về việc tiếp tục khám phá và điều chỉnh các tham số của mạng nơ-ron trong tương lai để cải thiện độ chính xác của dự báo.
