【正文】 (2) 其中 ? ?Tab?u ，? ? ? ?? ? ? ?10102 1 1zzn???????????B ，? ?? ?? ?? ?00002 xxn?????????Y 具體算例 ： 我們以北京市歷年接待 外 來 旅游人數(shù)為例，驗(yàn)證模型 I 的有效性 。為使預(yù)測數(shù)據(jù)更準(zhǔn)確，我們把北京的賓館數(shù)、人口、居民物價(jià)指數(shù)、城市交通等多個(gè)因素對理學(xué)院 本科畢業(yè)設(shè)計(jì)（論文） 9 旅游需求影響也考慮到模型中，可進(jìn)一步建立各因素 ix 對因子 0x 的 GM(1， N)模型： ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ?0 1 111211,.Niiikiijx k a z k b x kx k x j??? ?????? ????? （ 4） GM（ 1， N） 模型的解可表示為： ? ? ? ? ? ? ? ? ? ? ? ? ? ?0 0 0112 11Niiix k x k x k???? ? ? ??， （ 5） 其中 ,1 0 .5 1 0 .5ii b aaa??????。具體計(jì)算公式不再重述 . 表 8 各級景區(qū)的關(guān)聯(lián)度、權(quán)值 A級 AAAA AAA AA A 關(guān)聯(lián)度 權(quán)值 表 9 北京市旅游資源綜合評價(jià) 年份 2020 2020 2020 2020 2020 2020 jP （ 4）的求解 我們將北京市的人口、城市出租車客流量、城市交通公交車客流量、工業(yè)總產(chǎn)值、居民物價(jià)指數(shù)、農(nóng)業(yè)總產(chǎn)值、商品零售價(jià)格指數(shù)、社會(huì)銷售品零售額、旅游環(huán)境、旅游資源作為影響其旅游需求的各因素，建立灰色關(guān)聯(lián)度模型，分析各因素對旅游需求的影響程度。顯然，實(shí)際生活中一個(gè)城市能容納的人數(shù)是有限的，這就說明灰色系統(tǒng)模型并不完全適用于旅游需求的預(yù)測。我們假設(shè) mx 在短時(shí)間內(nèi)不會(huì)改變，則可利用逐年的歷史數(shù)據(jù)來計(jì)算出 r 的變化情況，進(jìn)而可以用灰色系統(tǒng) GM(1， 1)模型預(yù)測期發(fā)展情況，進(jìn)一步修正模型（ 10） . 理學(xué)院 本科畢業(yè)設(shè)計(jì)（論文） 17 ? ?? ? ? ? ? ?? ?010,1,0mdx xr t xdy xr t az t bxx? ????? ???????????? ?? （ 12） 其中 ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ?111 1 011 ,.2kr ir k r kz k r k r i????? ? 我們通過將北京歷年接待的旅游人數(shù)的記錄代入方程（ 12 ），取64 .0 2 5 2 2 3 1 0mx ??，逐步計(jì)算出參數(shù) ??? ?0rk（ k=1,2,??） ，再用 ? ?? ?0rk（ k=1,2,??） 通過最小二乘法求出 a 和 b： 取 ??00x =(2068664,21888917,2202047,2298368,2523943,?? ,2820911, 2857872,3103836,1851000,3155000)， 計(jì)算得 r =（ ,， , ,）， a=,b= 將 a和 b代入方程（ 12），利用 Matlab 軟件的 ode23()函數(shù)求數(shù)值解。 其次，我們分別用 GM（ 1,1）模型對北京市接待外來旅游人數(shù)進(jìn)行了預(yù)測，在考慮了農(nóng)業(yè)總產(chǎn)值、社會(huì)消費(fèi)品零售額、城市交通公交車、北京市人口對旅游需求的影響后，用 GM(1， N)模型對北京市旅游人數(shù)做了預(yù)測 得出各種因素對旅游人數(shù)的影響 程度， 最后我們借鑒 Logistic 人口預(yù)測模型的思想，建立了微分方程和灰色系統(tǒng)相結(jié)合的預(yù)測模型，給出了北京市目前經(jīng)濟(jì)條件所能容納的最大旅游人數(shù)為： 10? 人次， 并預(yù)報(bào)了未來 10 年北京市接待海外旅游的人數(shù)，見表 16： 表 16 未來 10年北京市接待海外旅游人數(shù) 年份 2020 2020 2020 2020 2017 人數(shù) 3237503 3313513 3382616 3445258 3501898 年份 2018 2019 2020 2021 2022 理學(xué)院 本科畢業(yè)設(shè)計(jì)（論文） 20 人數(shù) 3553010 3599057 3640487 3677730 3711183 并預(yù)計(jì)北京市將在 2032 年迎來其旅游人數(shù)的飽和期，請有關(guān)部門提前做好準(zhǔn)備，爭取大力發(fā)展旅游業(yè)，使其旅游人數(shù)上限突破目前水平。各位任課理學(xué)院 本科畢業(yè)設(shè)計(jì)（論文） 21 老師認(rèn)真負(fù)責(zé)，在他們的悉心幫助和 指導(dǎo) 下，我能夠很好的掌握和運(yùn)用專業(yè)知識，并在設(shè)計(jì)中得以體現(xiàn)，順利完成畢業(yè)論文。 be(i,:)=z。*y。 sumxy=(Yxmean)*(Xxmean)39。 本科畢業(yè)設(shè)計(jì) 論文格式 。 本科畢業(yè)設(shè)計(jì) 學(xué)生手冊封面 。 本科畢業(yè)設(shè)計(jì) 答辯記錄表 。 本科畢業(yè)設(shè)計(jì)資料裝訂方法 論文資料 : 本科畢業(yè)設(shè)計(jì) 論文封面 。 ymean=mean(Y)。 end alpha=inv(B39。 z=0。 灰色預(yù)測模型可以很好地在所給數(shù)據(jù)量不多的情況中，在工業(yè)、農(nóng)業(yè)、商業(yè)等經(jīng)濟(jì)領(lǐng)域，以及環(huán)境、社會(huì)和軍事領(lǐng) 域中灰色預(yù)測模型都能得到很好的應(yīng)用，該模型歲雖是就某地旅游人數(shù)的發(fā)展規(guī)例進(jìn)行評估預(yù)測而建立的，但類似地也適用于其他方面的一些數(shù)據(jù)規(guī)律的評估預(yù)測問題，即該模型有廣泛的應(yīng)用型。 第三章 結(jié)果分析 首先，我們通過關(guān)聯(lián)度分析得到 了北京市的人口、城市出租車客流量、城市交通公交車客流量、工業(yè)總產(chǎn)值、居民物價(jià)指數(shù)、農(nóng)業(yè)生產(chǎn)值、商品零售價(jià)格指數(shù)、社會(huì)銷售品零售額、旅游環(huán)境、旅游資源對其旅游需求的影響程度，見表15； 表 15 各因素對旅游需求的影響程度排序結(jié)果 因素 農(nóng)業(yè)總產(chǎn)值 社會(huì)銷售品零售額 城市交通公交車 北京市人口 旅游環(huán)境 商品零售價(jià) 城市交通出租車 旅游資源 工業(yè)生產(chǎn)總值 居民物價(jià)指數(shù) 關(guān)聯(lián)度 這個(gè)結(jié)果顯示出影響旅游需求的最大因素是農(nóng)業(yè)，而工業(yè)。 得到方程組： ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?00202000020200002003122242332 2112xxxxxxxxx N x Nx N x N??????? ?????? ?? ?????? ??? ? ? ??? 在最小二乘意義下求解出 ? 和 ? 。 顯然 ? ，模型（ 4）是“好”的 。表面影響北京市旅游需求的主要是高檔和低檔賓館的數(shù)量，而中間三星級賓館的影響力最小。該模型的預(yù)測等級為“好”，所以可直接用于預(yù)測 預(yù)測 由預(yù)測模型，很容易計(jì)算出未來 10 年的預(yù)測值，見表 5. 表 5 未來 10年（ 20202022）的預(yù)測值（單位 /人 次 ） 年份 2020 2020 2020 2020 2017 預(yù)測值 3471028 3657299 3853565 4060364 4278260 年份 2018 2019 2020 2021 2022 預(yù)測值 4507850 4749761 5004654 5273225 5556209 此預(yù)測模型結(jié)果可作為北京市旅游規(guī)劃部分的一種參考。 （ 2）可以利用國內(nèi)外已有的與旅游需求預(yù)測預(yù)報(bào)相關(guān)的數(shù)學(xué)建模資料和方法，分析這些建模方法能否直接移植過來，做出合理，正 確的預(yù)測預(yù)報(bào)；如果不行的話，請對這些方法的優(yōu)缺點(diǎn)做出評價(jià)，并提出改進(jìn)的辦法。s Republic of China and China Travel Network, the use of gray relational analysis theory Beijing tourism resources, the environment, transportation, cost and quality of service and other factors of tourism demand, and on this basis established tourism demand