全文总字数：3677字
1. 研究目的与意义（文献综述）
旅游需求的预测对地区旅游业的发展具有重要意义。随着互联网的普及，游客出行前对目的地的搜索行为和关注度与该地区旅游需求密切相关，因此，可以运用反映搜索行为和关注度的百度指数数据对区域旅游需求进行预测。百度指数是以百度网页搜索和百度新闻搜索为基础的免费海量数据分析服务，用以反映不同关键词在过去一段时间里的“用户关注度”和“媒体关注度”。通过百度指数可以发现、共享和挖掘互联网上最有价值的信息和资讯，直接、客观地反映社会热点、网民的兴趣和需求。百度指数的使用很简单，进入百度指数首页，在百度指数搜索栏中输入某个关键词，选择所搜索的时间范围和地区，点击“百度一下”，便可以得到在相应时间段和相应地区对该关键词的关注度趋势线。鼠标滑过趋势线，在趋势图中还可以显示鼠标所指期该地区对所键入关键词的日搜索数量。
关于游客量预测的传统研究方法主要有时间序列法、线性回归模型、指数平滑模型、灰色预测模型、人工神经网络模型等，这些方法主要是利用历史数据进行预测，具有较大的延迟性，很难达到较高的预测精度。随着基于网络技术对社会行为研究的深入，针对旅游行为的预测也加入研究的行列。基于网络搜索技术的旅游行为预测研究主要集中在网络关注度与旅游客流关系的研究上，旅游相关网络搜索量与实际游客人数之间的相关性及网络信息流对旅游流的导引作用。李山等利用百度指数，对我国第一批 5a 级旅游景区的日关注度数据进行了统计和分析。马丽君等分析了影响客流量及游客网络关注度时空变化的主要因素及其边际效应，构建了国内游客量与游客网络关注度的时空相关模型。龙茂兴等研究发现，区域旅游百度用户关注度与实际旅游客流具有正相关性，并且前者的变化对后者的变化具有超前性。戴维森等(davidson，et al． ) 通过实证对比分析以台湾为旅游目的地的旅游网站的信息流与现实旅游流，发现网站信息流对游客旅游行为具有引导潜力。
更好的预测旅游量有助于管理者和投资者做出实用的战略决策，例如安排日程和人员配置、编写旅游手册和进行酒店投资它还可以帮助政府机构设计与旅游相关的基础设施的结构，如住宅用地规划和交通系统设计。众所周知，旅游业对经济发展也有着重要的作用，在世界范围内，旅游业对经济增长的贡献很大。因而，旅游量的预测对预测未来经济的发展变得日益重要，旅游量的预测也可以为未来政策的制定提供基本的信息。
2. 研究的基本内容与方案
本文计划用网络百度搜索数据，建立网络搜索与实际的旅游人数之间的数学模型，运用统计学的相关知识来进行预测及分析。根据结果来对旅游市场提出建议，为旅游人数预测提供参考。
拟采用百度指数与时间序列相结合的方法，借助前人的研究成果分析网络搜索数据和实际旅游人数的相关性，主要采用ARIMA模型进行实际分析。并根据模型和数据的特定，加入BP神经网络对模型进行修正，考察预测精度。
3. 研究计划与安排
为按时完成本次毕业设计，预先对本次毕业设计的进度做以下安排：
总时间安排：2020 年 2 月 24 日-2012 年 5 月 31 日（第一周至第十五周）。
第 1-3 周（2 月 24 日-3 月 12 日）：查阅旅游相关文献资料，明确研究内容，熟悉研究对象，整理研究思路。进行相关课题的资料搜索，做好文献阅读记录，学习相关软件操作技术，着手进行外文翻译。
4. 参考文献（12篇以上）
[1] 张峰,柳炳祥,张月.一种基于bp神经网络算法的旅游人数预测方法[j].信息与电脑(理论版),2019(03):60-62.
[2] 雷可为,陈瑛.基于bp神经网络和arima组合模型的中国入境游客量预测[j].旅游学刊,2007(04):20-25.
[3] claveria,monte,torra. combination forecasts of tourism demand with machine learning models[j]. applied economics letters,2016,23(6).
