跳到主要內容

臺灣博碩士論文加值系統

(44.213.60.33) 您好!臺灣時間:2024/07/18 08:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:王彥雄
研究生(外文):Yan-xiong Wang
論文名稱:應用季節性灰色動態參數模型於墾丁國家公園旅客人次之預測
論文名稱(外文):Applied the Seasonal Grey Dynamic Parameter Prediction Model on Tourist Numbers in Kenting National Park
指導教授:廖敏治廖敏治引用關係
口試委員:蘇懿蔡宗儒
學位類別:碩士
校院名稱:正修科技大學
系所名稱:經營管理研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:76
中文關鍵詞:季節性時間序列灰色理論灰色動態參數預測模型
外文關鍵詞:Seasonal time seriesGrey dynamic parameter prediction modelGrey System Theory
相關次數:
  • 被引用被引用:1
  • 點閱點閱:170
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
墾丁國家公園旅客人次產生與日俱增之現象,然而國家公園遊客量的高度成長將會使國家公園造成相當程度之負面影響。透過有效的預測技術,可以正確地預知未來,能對未來不確定性的事件加以防範以降低發生錯誤的機率。灰色預測方法能僅用少量的資訊,避免掉複雜的方程式建構與公式計算來進行預測,對使用者來說,不僅可得到準確的預測結果,更可以省去了傳統預測所需的時間成本與前置成本。而時間序列的研究中,遇到的數據常常是具有季節性的數據資料,若未將季節性因素考量進來,所得到的結果將較不合情境。因此,本研究考慮一個更合理的情境,對具有季節性的資料,考慮季節因素,建立季節性時間序列之灰色動態參數預測模型來預測墾丁國家公園2007 年旅客人次,以提高預測的精確度。實證研究方面,墾丁國家公園2007 年旅客人次預測結果為4416796 人次,呈現成長的趨勢。模型整體精確度大部份為90%以上,顯示灰色動態參數預測模型具有相當好的預測結果。並進一步的驗證得知,在墾丁國家公園旅客人次預測上,運用灰色動態參數預測模型能比傳統GM(1,1)灰預測模型得到更加準確的預測結果。
The growth of tourist numbers of the Kenting National Park negatively impacts the ecology of the natural park. The deterministic incidents can be reduced based on effective prediction techniques and such that the predicted error can be reduced, too. Grey System Theory is one of such techniques, it can work well by just using few information. Based on the method, the leading time of marking decision is short and the cost is low for users. However, the time series data are of ten collected with seasonality. How to construct a Grey dynamic parameter prediction model for time series seasonal data is very important model for the prediction of the tourist numbers to the Kenting National Park. Based on the suggested model, we predict the tourist numbers of the Kenting Nation Park as 4416796 in 2007, and it indicates a tend of growing up. A further verification indicates that the suggested method has better performance than the traditional GM(1,1) model.
中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 viii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 4
1.4 研究範圍與限制 4
1.5 研究流程 5
第二章 文獻探討 6
2.1 國家公園概述 6
2.2 預測理論概念 11
2.3 灰色系統理論 18
第三章 灰預測模型的建構方法 23
3.1 灰色預測GM(1,1)模型 23
3.2 新息動態參數GM(1,1)模型 27
3.3 誤差分析 27
第四章 實證研究 29
4.1 資料蒐集與說明 29
4.2 灰色動態參數預測模型預測結果與分析 32
4.3 灰色動態參數預測模型與傳統GM(1,1)灰預測模型之比較 50
第五章 結論與建議 52
5.1 結論 52
5.2 建議 53
參考文獻 55
附錄:國家公園法 59
中文部份
于宗先(1972)。經濟預測。台北:大中國圖書有限公司。
內政部營建署國家公園法(1972)。http://www.cca.gov.tw/law/html/4-8.html
內政部營建署國家公園網站。http://np.cpami.gov.tw/index.php
方世杰(1988)。市場預測方法一百種。書泉出版社。
交通部觀光局網站。 http://www.tbroc.gov.tw
吳柏林(1995)。時間數列分析導論。華泰書局。
吳漢雄、鄧聚龍、溫坤禮(1996)。灰色分析入門。台北市:高立。
林倉龍(2004)。國家風景特定區遊客人次預測之研究。碩士論文,朝陽科技大學休閒事業管理系。
林意剛(2005)。台灣地區公民營觀光遊樂區人次預測之研究。碩士論文,朝陽科技大學休閒事業管理系。
徐桂祥(1997)。灰色系統在商情預測上之研究。碩士論文,雲林技術學院資訊管理技術研究所。
時巧偉(1994)。「來華觀光旅客需求預測模式建立之研究」。碩士論文,國立政治大學統計研究所。
耿繼進(1994)。時變參數灰色模型。武測科技,1994 年第二期,pp.29-32。
國際自然資源保育聯盟(IUCN)。 http://www.iucn.org/
張立亭、祝國瑞、周世健、魯鐵定(2005)。時間序列的灰色建模試驗。武漢大學學報(工學版),第三十八卷,第一期,pp.117-120。
曹勝雄、曾國雄、江勁毅(1996)。傳統計量經濟模型、模糊迴歸、GMDH、類神經網路四種方法在預測應用之比較-以國人赴港旅客需求之預測為例。中國統計學報,第三十四卷,第二期,pp.132-161。
陳淑女(2000)。台灣地區國家公園遊客量之預測。碩士論文,朝陽科技大學休閒事業管理系。
溫坤禮、黃宜豐、陳繁雄、李元秉、連志峰、賴家瑞(2002)。灰預測原理與應用。台北市:全華。
鄧聚龍(2000)。灰色系統理論與應用。台北市:高立。
鄧聚龍、郭洪(1996)。灰預測原理與應用。全華。
鄧聚龍、郭洪、溫坤禮、張廷政、張偉哲(1999)。灰預測模型方法與應用。台北市:高立。
墾丁國家公園管理處網站。http://www.ktnp.gov.tw/manager/pageeditor/stations/cp/home/index.asp
羅啟豪(2006)。運用灰色系統理論預測來台與出國旅客人數需求之研究。碩士論文,樹德科技大學經營管理研究所。
英文部分
Archer, B.H.(1980), Forecasting Demand: Quantitative and Intuitive Techniques,International Journal of Tourism Management, 1(1), 5-12.
Bernstein, G. L.(1984), The Art of Using Forecasts Effectively, Directors and Boards, 8,23-26.
Chamber, J. C., Mullick, S. K. & Smith, D.D.(1971), How to Choose the Right Forecasting Technique, Massachusetts: Harvard Business Review, July-Aug.
Donald S. Remer and Craig Jorgens(1978), Ethylene Economics and Production Forecasting in a Changing Environment, Engineering and Process Economics, 13(4), 267-278.
Donlebell & Krasner, O. J.(1977), Selecting Environmental Forecasting from Business Planning Requirements, Academy of Management Review, 19, 373-383.
Eadington, W. R. & Redman, M. (1991), Economics and Tourism, Annuals of Tourism Research, 18(1), 41-56.
Hsu, C. I. and Wen, Y. H.(1998), Improved Grey Prediction Models for The Trans-Pacific Air Passenger Market, Journal of Transportation Planning.
Huan, J. S. and T. L. James, and P. W. Trefor (1996), Using Neural Networks to Predict Component Inspection Requirements for Aging Aircraft, Computers Ind. Engeng, 30(2), 257-267.
Lee, C.K., Var, T., & Blaine, T.W. (1996), Determinants of Inbound Tourism Expenditures,Annals of Tourism Research, 23(3), 527-542.
Mu, H., Kondou, Y., Tonooka, Y., Sato, Y., Zhou, W., Ning, Y., and Sakamoto, K.(2004), Grey relative analysis and future prediction on rural household biofuels consumption in China, Fuel Processing Technology, 85, 1231-1248.
Pattie, D.C., & Snyder, J. (1996), Using a Neural Network to Forecast Visitor Behavior,Annals of Tourism Research, 23(1), 151-164.
Uysal, M. and Crompton, J.L.(1984), Determinants of Demand for International Tourist Flows to Turkey, Tourism Management, 5(4), 288-297.
Wilson, J. H. and Keating, B.(1990), Business Forecasting, Homewood, : Irwin.
電子全文 電子全文(全文開放日期20270823,本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top