后疫情时代中国旅游业的变化预测

后疫情时代中国旅游业的变化预测[摘要]新型冠状病毒的传播给中国旅游业造成了重大损失。为了预测后疫情时代冠状病毒疾病对中国旅游业的影响，使用典型旅游景点的客流量进行预测。运用评估机制选取随机森林、支持向量机、长短时记忆神经网络以及优化算法的长短时记忆神经网络中预测最准确的模型对进行客流量预测，结果表明模型预测出的中国旅游业客流量的最大降幅在2022年9月，同比下降了45.7%，2022年7月与8月度分别平均降幅36.3%与32.7.%，10月与11月平均降幅为23.8%与25.3%，10月降幅下降可能与节假日的原因有关。9月同比下降最多，疫情出现小范围增长，要及时做好防控措施，从10月开始旅游人数相较于之前月份逐渐上涨，这与目前我国的防控形势逐渐向好的趋势相符合。[关键词]后疫情时代：中国旅游业：变化预测Prediction of changes in China's tourism industryin the post-epidemic eraAbstract:The spread of the novel coronavirus has taken a heavy toll on China's tourism industry.In order topredict the impact of coronavirus disease on China's tourism industry in the post-epidemic era,the passenger flowof typical tourist attractions is used for forecasting.The evaluation mechanism is used to select the most accuratemodels in random forest,support vector machine,long-short-term memory neural network and long-short-termmemory neural network of optimization algorithm to predict the passenger flow.The results show that the modelpredicts the largest passenger flow in China's tourism industry.The decline was in September 2022,a year-on-yeardecrease of 45.7%,and the average declines in July and August 2022 were 36.3%and 32.7.%,respectively,andthe average declines in October and November were 23.8%and 25.3%.May be related to holiday reasons.InSeptember,the year-on-year decrease was the largest,and the epidemic increased in a small area.It is necessary totake preventive and control measures in a timely manner.From October,the number of tourists has graduallyincreased compared with the previous month,which is in line with the current trend of my country's preventionand control situation gradually improving.Keywords:Post-epidemic era;China's tourism industry;change forecast新型冠状病毒侵染所引起的肺部炎症来势汹汹，肺炎存在传染性高、传播方式和途径多样、潜在异变机会大等特征。由于肺炎确诊患者和可疑病例逐年增多，人们不得不生活于恐慌当中。虽然科学家正努力研发药品与疫苗，但要完全清除来势汹汹病毒还需要相当时日，短期内最可行的防控方法仍然是隔离。2020年1月23日，湖北武汉作出了“封城"的决策，接着全国其他各地市中心也陆续开启了大型突发公共卫生事件的第一级应对制度，对新冠型肺炎病人实行严格隔离措施，对疑似病例以及来自疫病重灾区的人，实行最严厉的十四天医学观察。很多交通工具不得不停用，人们大大减少了出游活动，航空、列车、船舶、社会车辆等的旅客量都急剧下降，全国以至各省大中城市的交通旅客也寥寥无几，全国交通业也收到了沉重的冲击。国内外基本上全部的旅游城市和景区都因为病毒而停止了对外开放，中国旅游业也由此受到了重创。由于从业人员流动性和密集度的急剧减少使得各大市场都无人问津，商业也遭受了巨大冲击。适逢春节，本应是餐饮的旺季，但却因疫病而损失惨重。基于国家安全考量，劳动密集型行业已被暂停。因此，在此种情形下，急需新冠肺炎的对我国旅游业的预测机制，新冠疫情预测则是指根据疾病的产生、健康发展变化规律等相关各种因素，采用分析判断法和数理模型等方式，对可能出现的传染病疫情的产生、健康发展和传播态势作出研究，以增强对传染病预防工作的先见性、与主动性。针对预测结果，科学的对后疫情时代的旅游业发展做出相应的措施，尽可能降低疫情对我国旅游业发展的影响。1.预测模型与评估方法1.1数据来源数据来源于旅游信息中心，2017年8月10日至2020年12月9日的日客流量数据。同时，用Py thon软件爬取了三个地区的7种相关因子，括高温、低温、天气、风向、风力。经数据预处理后，包含1203个观测数据，预测因子包括往日客流量、同期客流量、月份、星期是否为法定假日、高温、低温、是否为极端天气等8个影响因子。对于假日数据和天气数据，文采用二进制形式来表示，1表示假日、极端天气，0表示非假日、非极端天气。最后将原始数据划分为训练集和测试集。考虑到受新冠肺炎疫情给旅游业带来的众多影响，将典型旅游景点的客流量预测分为疫情期间预测和未来疫情预测。将2021年11月至2022年5月的数据作为评估客流量数据，2022年7月至2023年12月的数据作为预测的客流量数据。1.2预测模型本文参考选用了比较精确全面地对客流量数据进行预测的一些模型，这些模型分为随机森林(Random Forest,.F),支持向量机(Support Vector Machine,VM),长短时记忆神经网络(LongShortTermMemoryNeuralNetwork,LSTM)和优化长短时记忆神经网络(PSO-LSTM)对客流量进行预估。随机森林算法可以解决分类和回归问题。支持向量机，是一种按监督学习方法对资料实行二元划分的所谓线性分类器，目的是利用学习样本来计算最大距离的超平面，可用于回归预测问题。长短时记忆神经网络模型作为循环神经网络的