摘 要
随着经济快速发展,入境旅游市场竞争也越来越激烈.入境旅游可持续发展的重点是旅游目的地要确保一定数量游客.因此,预测入境旅游人数和入境旅游客源市场研究是关系旅游业全面发展很重要的一步.上海作为我国旅游业带头城市,如 何吸引更多游客,不仅关系上海入境旅游业发展,而且为其他城市提供一些启发.
本文用改进灰色马尔可夫模型对上海入境旅客人数预测,然后用偏离-份额分析法研究入境旅游客源市场变化,最后用集合经验模态分解法分析上海入境旅游客源的时间多尺度特征和趋势.
初始值修正改进灰色 GM(1,1)模型,并引入状态划分中的中心点三角白化权函数改进马尔可夫模型,两者组合构建改进灰色马尔可夫预测模型.用此模型预测上海入境旅客人数,与传统 GM(1,1)、初值修正 GM(1,1)和传统灰色马尔可夫预测模型结果进行比较,验证了该模型预测效果更好,且这些模型比线性回归和时间序列的预测结果都更优.
偏离-份额分析法探究入境旅游客源市场的变化,结果表明,从 2004 年到 2017年,上海入境旅客市场发展速度比全国快,结构更合理且更有竞争力.除日本外每个国家到全国和上海的入境旅客人数都增长且增幅较大,对于日本入境旅客人数减少是今后上海需重点关注的.
集合经验模态分解法分析上海入境旅游客源的时间多尺度特征和趋势.结果显示:一,入境旅游客源总量和外国旅客数以 3、6 个月周期变化为主,而港澳台为高低频周期波动.二,周期波动为主且无显着趋势的客源国.日泰英法德波动周期是 3 个月;澳门是 3、6、12、60、180 个月;新加坡是 3、6、180 个月.三,有明显趋势且以周期波动为辅的客源国.香港波动周期是 3、6、90、180 个月;台湾、加拿大和俄罗斯是 3、6 个月;印尼、美国、意大利和新西兰是 3、6、12 个月;马来西亚是 3、180 个月;韩国是 3、45 个月;澳大利亚是 4、7 个月.15 个客源国旅客数都是上升趋势,其中台湾、加拿大、俄罗斯和新西兰的趋势变化最明显.
由以上研究结果,可以根据预测的上海入境旅客人数、客源市场结构和客源国周期波动及趋势对上海入境旅游客源市场提出具体建议和市场结构竞争的策略给上海入境旅游业.
关键词: 灰色马尔可夫,初值修正,白化权函数,偏离-份额,集合经验模态分解
Abstract
With the rapid development of economy, the competition of inbound tourism marketis more and more fierce.The key point of sustainable development of inbound tourism isto ensure a certain number of tourists.Therefore, it is an important step to predict thenumber of inbound tourists and study the market of inbound tourists.As a leading tourismcity in China, how to attract more tourists is not only related to the development ofinbound tourism in Shanghai, but also provides some inspiration for other cities.
In this paper, an improved grey markov model is used to predict the number ofinbound tourists in Shanghai, and then the market changes of inbound tourists are studiedby the deviation-share analysis method. Finally, the tim -scale characteristics and trendsof inbound tourists in Shanghai are analyzed by ensemble empirical mode decomposition.
The initial value correction improves the gray GM(1,1) model, and introduces thecenter point triangle albino weight function in the state division to improve the markovmodel.Comparing with the results of traditional GM (1,1), initial value modified GM (1,1)and traditional grey markov prediction models, the prediction effect of this model isverified to be better. These models are better than linear regression and time series.
Deviation-share analysis explores the changes in the inbound tourist market, and theresults show that from 2004 to 2017, the inbound tourist market in Shanghai developedfaster than that in the whole country, with a more reasonable and competitive structure.
In addition to Japan, the number of inbound tourists from each country to the wholecountry and Shanghai has increased and increased greatly.
The time-scale characteristics and trends of inbound tourists in Shanghai areanalyzed by ensemble empirical mode decomposition.The results show that: first, Thetotal number of inbound tourists and the number of foreign tourists mainly change within3 or 6 months, while that of Hong Kong, Macao and Taiwan fluctuates between high andlow frequency.Second, the main cyclical fluctuations and no significant trend of thesource countries.The fluctuation period of Japan, Thailand, Britain, France and Germanyis 3 months;Macau is 3, 6, 12, 60, 180 months;Singapore is 3, 6, 180 months.Third, thereis a clear trend and cycle fluctuations as a supplement to the source countries.Thefluctuation periods in Hong Kong are 3, 6, 90 and 180 months;In Taiwan, Canada andRussia it is 3 , 6 months;In Indonesia, the United States, Italy and New Zealand it is 3, 6and 12 months;In Malaysia it is 3, 180 months;In South Korea it is 3 ,45 months;InAustralia it's four or seven months.The 15 countries of origin were all on the rise, withTaiwan, Canada, Russia and New Zealand showing the most dramatic changes.
From the above research results, specific Suggestions and strategies of marketstructure competition can be put forward to the inbound tourism industry in Shanghaiaccording to the predicted number of inbound tourists in Shanghai, the structure of thesource market and the cyclical fluctuation and trend of the source country.
Keywords: Gray markov, Initial value correction, Albino weight function, Deviationshare, Ensemble empirical mode decomposition
目 录
摘 要 ................................................................. I
Abstract ................................................................ II
目 录 ............................................................... III
第 1 章 引 言.............................................................. 1
1.1 研究背景及意义.................................................... 1
1.1.1 研究背景.................................................... 1
1.1.2 研究意义.................................................... 1
1.2 研究目的、思路和内容.............................................. 2
1.2.1 研究目的.................................................... 2
1.2.2 研究思路.................................................... 2
1.2.3 研究内容.................................................... 3
1.3 研究方法.......................................................... 4
1.3.1 文献分析法.................................................. 4
1.3.2 统计分析法.................................................. 4
1.4 创新之处.......................................................... 5
第 2 章 相关概念和文献综述................................................. 6
2.1 相关概念.......................................................... 6
2.1.1 入境旅游.................................................... 6
2.1.2 入境游客.................................................... 6
2.1.3 旅游客源市场................................................ 7
2.2 文献综述.......................................................... 7
2.2.1 入境旅游人数预测的文献综述.................................. 7
2.2.2 入境旅游客源市场结构分析的文献综述.......................... 9
2.2.3 经验模态分解方法的文献综述................................. 10
第 3 章 上海市入境旅客人数预测分析........................................ 12
3.1 灰色 GM(1,1)模型 ................................................. 12
3.1.1 灰色 GM(1,1)模型原理 ....................................... 12
3.1.2 数据来源................................................... 13
3.1.3 级比检验................................................... 13
3.1.4 传统 GM(1,1)模型预测上海入境旅客人数 ....................... 14
3.2 灰色马尔可夫模型................................................. 14
3.2.1 马尔可夫模型原理........................................... 15
3.2.2 状态划分................................................... 16
3.2.3 马氏检验................................................... 16
3.2.4 灰色马尔可夫模型应用....................................... 17
3.3 改进灰色马尔可夫模型............................................. 18
3.3.1 初值修正的 GM(1,1)模型原理 ................................. 18
3.3.2 中心点三角白化权函数改进马尔可夫模型原理................... 19
3.3.3 改进灰色马尔可夫模型应用................................... 21
3.3.4 结果比较分析............................................... 23
3.4 本章小结........................................................ 25
第 4 章 对上海入境旅游客源市场结构分析.................................... 26
4.1 偏离-份额分析法.................................................. 26
4.1.1 偏离-份额分析法模型原理.................................... 26
4.1.2 绘制 Shift-Share 分析图..................................... 27
4.2 上海入境旅游客源市场结构分析..................................... 28
4.2.1 数据来源和客源地划分....................................... 28
4.2.2 上海入境旅游客源市场 Shift-Share 分析....................... 29
4.2.3 总体分析................................................... 30
4.3 Shift-Share 分析图 ............................................... 31
4.3.1 市场结构偏离分量分析图..................................... 31
4.3.2 市场结构优势分析图......................................... 32
4.4 本章小结......................................................... 33
第 5 章 上海入境旅游客源的时间多尺度特征分析.............................. 34
5.1 数据来源与说明................................................... 34
5.2 集合经验模态分解方法(EEMD)原理................................. 34
5.3 结果与分析....................................................... 35
5.3.1 入境旅游客源结构整体变化的 EEMD 分解结果分析................ 35
5.3.2 入境旅游主要客源市场的 EEMD 分解结果分析.................... 38
5.4 本章小结......................................................... 39
第 6 章 结论 ............................................................. 41
6.1 总结 ............................................................ 41
6.2 不足之处......................................................... 41
参考文献 ................................................................ 42
在校科研成果及奖励....................................................... 47
致 谢 .................................................................. 48
附 录 .................................................................. 49
第 1 章 引 言
1.1 研究背景及意义
1.1.1 研究背景
由于全世界经济的的大发展,人民生活的水准也不断上升,人们慢慢开始选择旅游来放松自己以及给自己开拓眼界.中国的旅游业是一个刚发展没多久的产业,开始的比较晚,发展却迅速的让人想象不到.将它用旅游地域划分,可分成国际旅游与国内旅游,而国际旅游又分为出境旅游与入境旅游.
旅游实际上是一种劳动服务,效用肉眼看不见,对社会作为一种特殊的价值,能满足游客旅行,休闲和拜访亲戚朋友等许多其他的要求,特别是入境旅游,由 于不同文化和生活方式的吸引和跨国经营活动,吸引了来自世界各地的游客.
国际旅游业的竞争越来越激烈.目前,可称中国为旅游大国,但旅游大国与旅游强国间还有许多的距离.从旅游大国转为旅游强国,亟需开展入境旅游,增加其在国际上的地位.上海地处东南沿海,是中国的出入境口岸之一,也是我们未来走向世界的门户,发展入境旅游有非常大的优势.2014 年上海旅游相关部门想把上海打造成世界着名旅游城市,依靠上海迪斯尼乐园的上海国际度假村项目也稳步推进,这也表明上海当局十分看重入境旅游,入境旅游明显已成为促进发展的新新活力.对上海入境旅客人数、入境旅客客源市场结构与入境旅游时间多尺度特征分析,一方面能了解上海入境旅游现况,另一方面也可以为上海入境旅游之后的发展提供新的思路,基于上述背景确定了本文的题目.
1.1.2 研究意义
研究上海入境旅游往年数据,并预测上海入境旅游未来发展,帮助我们从另一个角度了解上海的入境旅游市场,它还可以给上海旅游部门和企业一些有用的意见.上海入境旅游市场有很好的前景,因此研究它具有重要意义,也有助于抓住时机,抓住国外旅游市场,生产畅销旅游品,确定最优计划.
全球旅游越来越热,旅游市场的争夺也越来越猛烈.争夺焦点是旅游客源市场要有一定规模,所以有必要讨论入境旅游客源.看一个国家或区域旅游业是否国际化和成不成熟,要看其入境旅游开展情况,而入境旅游市场结构对入境旅游产业的规模与发展非常重要.偏差-份额分析法全面且非静态,能很好地解析区域入境旅游客源市场结构和竞争情况的好和不好,反映客源市场结构的改变状况,更好研究客源市场.
入境旅游是我国旅游业的主要市场之一,可以获得收入、加多中国与外国的交流沟通、增加我国在外国的影响力等.它的迅速发展使得我们国家的旅游业蓬勃发展,而且让我们国家在全球的地位进一步上升.所以,分析我国入境旅游市场,了解入境旅游市场的时间尺度变化特征和基本规律,对计划我们国家的入境旅游发展策略有及其重要的意义.
1.2 研究目的、思路和内容
1.2.1 研究目的
本文的研究目的首先是预测上海旅客人数,为上海旅游局下一年的计划给一些参考,然后是研究上海入境旅游客源市场结构,可以看出到上海的客源国是上升还是下降趋势、结构合不和理以及竞争力大小,最后研究上海入境旅游客源市场时间多尺度特征及趋势分析,能够得到客源国到上海旅游的周期性.这些都为上海旅游产业提供很好的建议,能够更好发展上海旅游业.
1.2.2 研究思路
本文的研究思路先是引言部分,详细阐述文章的研究背景、研究意义、研究目的、研究思路、研究内容、研究方法和创新之处.然后将预测模型、旅游客源市场结构分析、偏离-份额分析法和集合经验模态分解的国内外文献综述仔细描述.接下来对上海入境旅客人数预测、上海入境旅游客源市场结构分析和上海入境旅游客源市场时间多尺度特征及趋势分析.最后进行文章的总结、描述出文章的创新点和不足之处.
本文具体研究思路如下:
1.2.3 研究内容
本文分六个章节对上海入境旅游人数预测、入境旅游客源市场变化和入境旅游客源的时间多尺度特征和趋势三方面进行研究内容如下:
第 1 章,引言.该章对论文的研究背景与意义、研究目的、内容和思路以及研究方法进行了全面的综述,并提出了创新的地方,对本文的研究起到了整体的作用.
第 2 章,相关概念和文献综述.本章节主要介绍了入境旅游方面的相关概念和国内外相关文献的研究现况,包括入境旅游人数预测、入境旅游客源市场结构分析和经验模态分解法的文献综述.对相关文献全面总结,为正文的研究起到了理论铺垫作用.
第 3 章,上海市入境旅客人数预测分析.本章节首先对 GM(1,1)初值修正,然后中心点三角白化权函数改进马尔可夫模型,构建改进灰色马尔可夫预测模型.用此预测上海入境旅客人数,通过与线性回归、时间序列、传统 GM(1,1)、初值修正 GM(1,1)与传统灰色马尔可夫预测模型结果相比较,得到最优预测人数.
第 4 章,对上海入境旅游客源市场结构分析.本章节用偏离-份额分析方法分析入境旅游客源市场的变化,分析其总体结构与竞争力,根据结果得出未来哪些客源国到上海是上升还是下降.
第 5 章,上海入境旅游客源的时间多尺度特征分析.采用集合经验模态分解法(EEMD)分析到上海旅游客源国的周期变化及增长趋势
第 6 章,结论.对上面章节的结论进行总结、提出不足之处,并根据结果对上海旅游业提供一些提升的意见.
1.3 研究方法
1.3.1 文献分析法
文献分析法是论文写作的基本方法,经过对国内外文献的仔细阅览,了解文 献中已得出的结果和最新的研究趋势,根据前辈写的论文,我们能学到一些写文章的思路和研究的方向,掌握最新的前沿科学.正文对国内外文献的分析,把握国内外入境旅游旅客人数预测、入境旅客客源市场结构与入境旅游市场的时间尺度变化特征的研究现况.参考大量国内外有关入境旅游的文献,最后对这些文献详细的阐述,为研究提供理论支持.
1.3.2 统计分析法
统计分析法是经过分析事物的数量关系,理解和表现研究对象互相之间的关系,解释变化规律及发展趋向,以此来准确解释和预测所研究之物.世界上所有事物都有质量和数量,所有理解本质,就需把握量的规律.统计分析方法用数学方法建立数学模型,对调查所得到的数据和资料进行统计分析,得到容易理解的定量结论.此方法是现在经常使用的一种较为科学、准确、客观的评价方法.本文用统计分析的方法将收集的数据用 R 语言、MATLAB、EXCEL 等进行统计分析,对上海入境旅客人数预测,找出上海入境客源市场结构以及入境旅客客源市场的时间尺度变化特征来分析.
1.4 创新之处
本文不是单纯用灰色马尔可夫模型,而是用改进的灰色马尔可夫模型对上海入境旅客人数预测.首先用修正初始值的方法改进灰色模型,传统 GM(1,1)模型以??(1)(1) = ??(0)(1)为初始条件,丢掉了新数据带来的信息,因此将初始条件??(1)(1)与新累加生成最后一项??(1)(??)一起预测来提高精度.而后引入状态划分中的中心点三角白化权函数改进马尔可夫模型,传统马尔可夫模型的状态划分,没有反映各波动指标的偏好程度,而中心点三角白化权函数在相邻的两个区间内综合考虑各波动指标的偏好程度,表示对象属于某一状态的可能性,该状态可以补偿状态的主观划分.最后两者组合构建了改进的灰色马尔可夫预测模型,此种组合模型大大提高了预测精度.
偏离-份额法(Shift-share method,SSM)和集合经验模态分解法(Ensembleempirical mode decomposition,EEMD)在很多领域都已经有一些应用,但是没有运用这两种模型一起对一个问题研究并得出结论分析,偏离-份额法可以得到上海入境旅游客源市场结构的合理性和哪些客源国具有竞争优势,EEMD 方法得 到一些客源国到上海的周期性变化及趋势变化,两者结果联系在一起为上海旅游业提供一些建议.
…………由于本文篇幅较长,部分内容省略,详细全文见文末附件
第 6 章 结论
6.1 总结
本文以上海为研究对象,通过改进灰色马尔可夫模型对上海入境旅游人数进行预测,再用偏离-份额方法对上海入境旅游客源市场结构进行分析,最后基于EEMD 方法对上海入境旅游客源进行时间多尺度特征和趋势研究,得到如下结论:
初值修正改进 GM(1,1)和中心点三角白化权函数改进马尔可夫模型,一起构建了改进的灰色马尔可夫预测模型.用此模型预测上海入境旅客人数,通过与传统 GM(1,1)、初值修正的 GM(1,1)和传统灰色马尔可夫预测模型结果进行比较,该模型的预测结果更精确,且 4 个模型都比线性回归和时间序列模型的预测效果好.用偏离-份额分析法分析入境旅游客源市场的变化,结果表明,入境旅游客 源市场相对合理,而且有很好地竞争力,但对于每个入境旅游客源国, 具体情况不同.
采用集合经验模态分解方法(EEMD)分析上海入境旅游客源的时间多尺度特征和趋势.结果得到,入境旅游客源总量和外国人入境上海的旅游人数具体的周期波动;获得以周期波动为主且没有显着趋势变化的客源国和具体的周期波动;得出有明显趋势变化的客源国,并知详细的周期波动和趋势变化.
据以上结论,准确的预测对于旅游部门的决策和游客的出行具有重要的意义,有利于资源的合理配置,避免拥堵和游客滞留.为了上海入境旅游业的蓬勃发展,提供参考一些意见,使得上海入境旅游客源市场的竞争力进一步加强和提升.
6.2 不足之处
因为笔者的理论知识与写论文时间有限,论文还存在一些不够好的地方,还有一些地方需要更深一步研究和讨论,如灰色模型的初值修正可能有更好的方法,可以使得预测的结果更加准确;用偏离-份额分析法对上海入境旅游客源市场的变化进行研究,由于好多客源国的数据找不到,只能用已知的 12 个客源地进行分析,而且港澳的数据只有合在一起的,没有港澳单独的数据,这都使得好多结论无法展现;用 EEMD 的方法分析入境旅游客源的时间多尺度特征和趋势,同样也是有一些客源国的数据找不到,只有主要客源国的数据信息,因此对于一些国家我们无法进行预测来上海旅游的情况等等.真心期望经过本文的研究,能够对上海入境旅游业的发展贡献自己的一点微小的力量,并能提供一些参考意见.
参考文献
[1] Jiechen Tang, Songsak Sriboonchitta, Xinyu Yuan. Forecasting Inbound TourismDemand to China Using Time Series Models and Belief Functions[J]. Studies inComputational Intelligence,2015,583:329-341.
[2] Veloce W. Forecasting Inbound Canadian Tourism :An Evaluation of ErrorCorrections Model Forecasts[J].Tourism Economics,2004,10(3):263-280.
[3] Witt S F, Turner L W. Trends and Forecasts for Inbound Tourism to China[J].Journal of Travel & Tourism Marketing,2002:97-107.
[4] Ying Y , Yirui W ,Shangce G.Statistical Modeling and Prediction for TourismEconomy Using Dendritic Neural Network[J].Computational Intelligence andNeuroscience,2017:1-9.
[5] 胡丽娟.秦皇岛入境旅游需求影响因素及预测研究[D].燕山大学,2013.
[6] 李乃文,韩婧婧.基于时间序列修正算法的我国入境旅游人数预测[J].资源开发与市场,2015,31(1):126-128.
[7] 王晓珊.基于引力模型的我国入境旅游影响因素研究[D].海兰大学,2014.
[8] 乔睿.世博影响下的上海入境旅游人数趋势预测[J].现代商贸工业,2010,(5):127-128.
[9] 熊靓.上海市入境旅游市场统计分析及预测模型研究[D].华东师范大学,2004.
[10]陈鹏.基于模型的安徽省入境旅游人数预测[J].宿州学院学报,2014,29(9):37-40.
[11]何霞,许宏伟.初值修正灰色预测模型的等价性[J].西华大学学报 (自然科学版),2013,32(4):54-57.
[12]邵红梅,杨建华,兰月新.基于初值修正的组合 GM(1,1)模型及其应用[J].统计与决策,2015,(02):89 -90.
[13]王车效.基于初值修正的非等距灰色预测模型[J].重庆师范大学学报(自然科学版),2006(03):42-44.
[14]成亚利,王波.我国农村居民消费水平指数的预测分析-基于初值修正的改进 GM(1,1)模 型[J].收入与消费,2014,113-115.
[15]王忠桃,彭鑫,戴齐.基于初值修正的灰色预测模型的改进及其应用[J].重庆工学院学报(自然科学版),2007,21(10):81-84.
[16]刘慕霄.改进 GM(1,1)模型在舰船维修费用预测中的应[J].舰船电子工程,2010,(12):151-154.
[17]Yao T,Gong Z,Xie N.The Discrete Grey Prediction Model Based on OptimizedInitial Value[M].Springer Berlin Heidelberg,2010.
[18]张蕊.陕西省粮食产量的灰色-马尔可夫预测[D].兰州商学院,2012.
[19]石朝阳.灰色马尔科夫链的改进及其应用[D].兰州大学,2014.
[20]胡小勇.灰色马尔可夫链在职业安全培训人数预测中的应用研究[D].西南交通大学,2014.
[21]Zhanli M,Jinhua S.Application of Grey-Markov Model in Forecasting FireAccidents[J].Procedia Engineering,2011:314-318.
[22]Yu shui Geng.The Research of Improved Grey-Markov Algorithm[C].IntelligentInformation Technology Application Association,2011:121-128.
[23]Zongqian Jia,Zhifang Zhou,Hongjie Zhang,Bo Li,Youxian Zhang.Forecast of coalconsumption in Gansu Province based on Grey-Markov chain model[J].nergy,2020,199.
[24]Hongyan Huan,Qingmei Tan.The forecast of cultivate land quantity based onGrey-Markov model[J].2015,5(1):127-136.
[25]刘法建,陈冬冬,朱建华,钱藏,李彬彬.中国省际入境旅游客源市场结构与互动格局-基 于 2-模网络分析[J].地理科学进展,2016,35(08):932-940.
[26]马丽君,孙根年,何镜如.基于双视角竞争态与亲景度中国入境旅游客源市场分析[J].云南地理环境研究,2014,26(06):6-11+19.
[27]肖来.基于客源市场分析的杭州入境旅游发展战略研究[D].浙江师范大学,2010.
[28]俞彤.深圳入境旅游客源国市场特征实证分析[J].特区经济,2019(08):123-125.
[29]石斌,马耀峰."一带一路"背景下陕西入境旅游客源市场拓展-基于 DSSM 的客源市场结构演变视角[J].企业经济,2017,36(09):80-86.
[30]李翠林,秦浩.基于 SSM 的新疆入境旅游产业结构分析及优化[J].广西职业技术学院学报,2018,11(01):64-70.
[31]林龙飞,江艳.基于偏离-份额分析法的郑州市入境旅游客源市场结构研究[J].湖南工程学院学报(社会科学版),2015,25(02):11-15.
[32]唐岱. 汕头市入境旅游客源市场研究[D].厦门大学,2018.
[33]张凯,王玉芹.基于长江流域各省市入境旅游市场的偏离-份额分析[J].旅游论坛,2008,1(06):421-425.
[34]余梦珂. 贵州省入境旅游客源市场研究[D].贵州大学,2018.
[35]Caiping Z. An Analysis of Tourist Structure in the Inbound Tourism MarketBased on SSM Method-Taking Zhejiang Province as An Example[J]. TourismTribune,2008.
[36]Peiji S. SSM Analysis on the Structure of Inbound Tourism Market in GansuProvince[J]. Journal of Arid Land Resources and Environment,2009.
[37]王利,孟多.辽宁省入境旅游客源市场结构的 SSM 分析[J].资源开发与市场,2011,27(11):1047-1050.
[38]Huang.A Shift-share analysis on the structure of tourism market-A case studyon Hainan in-bound tourism market[C].International Conference on E-business& E-government,2011.
[39]Yasin M ,Alavi J ,Sobral F.A Shift-Share Analysis Approach to Understandingthe Dynamic of the Portuguese Tourism Market[J].Journal of Travel & TourismMarketing,2004,17(4):11-22.
[40]李岩. 基于偏离份额法的辽宁省种植业结构调整分析[D].沈阳农业大学,2019.
[41]余晓洋,田帅,吕一,刘帅.基于 Shift-Share 模型的"镰刀弯"地区粮食增产结构变动分析-兼论玉米种植结构调整[J].中国农业资源与区划,2017,38(05):14-20.
[42]罗源宏,平瑛.基于偏离-份额分析法的江苏海洋产业结构分析[J].海洋开发与管理,2020,37(01):92-96.
[43]郭晓洁,田辉平.广东省服务业竞争力分析-基于偏离份额分析法[J].长沙大学学报,2019,33(05):93-97.
[44]余向洋,沙润,朱国兴,胡善风.基于 EMD 的景区客流波动特征及其组合预测-以黄山风景区为例[J].地理科学进展,2012,31(10):1353-1359.
[45]李晓炫,吕本富,曾鹏志,刘金烜.基于网络搜索和 CLSI-EMD-BP 的旅游客流量预测研究[J].系统工程理论与实践,2017,37(01):106-118.
[46]陆利军.基于网络搜索指数和 EMD-ARIMA-BP 组合模型的游客量预测-以张家界为例[J].吉首大学学报(社会科学版),2019,40(01):138-150.
[47]陆利军,廖小平.基于 EMD-BP 神经网络的游客量预测研究[J].统计与决策,2019,35(04):85-89.
[48]李晓龙,许保光,石彪.基于经验模态分解的航空公司旅客流量分析[J].系统工程,2015,33(04):142-148.
[49]赵俊远,高詹玉,李肖利,张嘉勇.四川省旅游外汇收入波动及其成因的多时间尺度分析-基于 EMD 方法的应用[J].西部经济管理论坛,2013,24(02):1-5.
[50]徐必伟,苏成利,杨微,曹江涛.基于 DTW 和 EMD 的孤立词语音识别研究[J].辽宁石油化工大学学报,2018,38(01):74-78.
[51]曹承.基于 EMD-BPN 方法的高速铁路短期客流预测[D].兰州交通大学,2015.
[52]熊涛.基于 EMD 的时间序列预测混合建模技术及其应用研究[D].华中科技大学,2014.
[53]陈玲玲,何亮,李玉霞.基于 EEMD 的我国入境旅游与经济增长的多尺度对比研究[J].南京师大学报(自然科学版),2015,38(3).
[54]张木子.基于 EEMD-ARIMA 的酒店入住率预测研究[D].陕西师范大学,2016.
[55]孙建波.基于 EEMD 与变权组合预测的光伏发电预测模型及应用研究[D].华北电力大学(北京),2019.
[56]Zhaohua Wu, Norden E. Huang.Ensemble empirical mode decomposition: a noiseassisted data analysis method. Adv. Adapt. Data Anal,2009, 1(01):1-41.
[57]Hongchao Wang,Jin Chen,Guangming Dong.Feature extraction of rollingbearing's early weak fault based on EEMD and tunable Q-factor wavelettransform. Mech. Syst. Signal Process,2014, 48(1-2):103-119.
[58]Yaguo Lei ,Zhengjia He,Yanyang Zi. EEMD method and WNN for fault diagnosisof locomotive roller bearings[J].Expert Systems with Applicationgs,2011,38(6):7334-7341.
[59]Hua Li,Tao Liu,Xing Wu,Qing Chen.Application of EEMD and improved frequencyband entropy in bearing fault feature extraction[J].ISA Transactions,2019,88:170-185.
[60]Said Gaci.Decomposition (EEMD) Denoising Method for Seismic Signals[J].Energy Procedia,2016,97:84-91.
[61]王有文.基于 GM(1,l)阳泉旅游人数预测的数学模型[J].山西师范大学学报(自然科学版),2014,28(03):14-17.
[62]刘思峰.灰色系统理论及其应用[M].科学出版社,2004.
[63]Chen Z,Xu AM.Prediction of gas flow-rate from Boreholes based on Grey Markovmodel.China Safety Sci J ,2012,22(3):79-85.
[64]方卫东,怀博.沪深 300 指数马氏性检验及预测[J].科学技术与工程,2011,11(20):4833-4835.
[65]何霞,刘卫锋.初值修正灰色 GM(1,1)模型的等价性[J].新乡学院学报(自然科学报),2011,(05):391-393.
[66]Wang HZ,Qiang FJ,He BC.A new grey evaluation method based on the improvedcenter-point triangular whitenization weight function.Stat Decis ,2014,8:69-72.
[67]刘思峰,谢乃明.基于改进三角白化权函数的灰评估新方法[J].系统工程学程,2011,26(02):244-250.
[68]吴黎围,熊正贤,吴晋峰.广西入境旅游客源市场结构变化分析-基于 SSM 的视角[J].社会科学家,2009(11):95-96.
[69]朱可丹,甘永萍,王文震.广西入境旅游客源市场结构分析-基于偏离-份额分析法[J].广西社会科学,2011(05):34-38.
[70]鲍富元,郑惠子,窦惠贤.入境旅游客源市场结构的偏离份额研究-以三亚市为例[J].经济视角,2018(04):27-37.
[71]林龙飞,江艳.基于偏离-份额分析法的郑州市入境旅游客源市场结构研究[J].湖南工程学院学报(社会科学版),2015,25(02):11-15.
[72]张玉,董治宝,崔徐甲.广州市入境旅游客源市场结构研究[J].河南科学,2014,32(04):673-678.
[73]陈玲玲,林振山,郭杰等.基于 EMD 的中国粮食安全保障研究[J].中国农业科学,2009,42(1):180-188.
[74]陈玲玲,严伟.基于 EEMD 的我国入境旅游客源市场多尺度分析及预测[J].商业经济研究,2017(10):189-192.
