文章基本信息

标题：Previsão dos modelos univariados e rede neural da demanda turística do estado de Mato Grosso do Sul
本地全文：下载
作者：Bruno Matos Porto ; Daniela Althoff Philippi ; Vanessa Aline Wagner Leite 等
期刊名称：Caderno Virtual de Turismo
印刷版ISSN：1677-6976
电子版ISSN：1677-6976
出版年度：2019
卷号：19
期号：3
页码：1-20
DOI：10.18472/cvt.19n3.2019.1520
出版社：Universidade Federal do Rio de Janeiro
摘要：O objetivo deste artigo foi gerar previsões de curto, médio e longo prazos e comparar a precisão dos modelos em cada horizonte de previsão. Para atender o objetivo foram aplicados os modelos univariados e rede neural (NNAR) nos dados da demanda turística do estado de Mato Grosso do Sul (MS). A amostra foi coletada na ferramenta base de dados extrator do Instituto Brasileiro de Turismo (Embratur) referente as chegadas turísticas por todas as vias registradas no MS entre janeiro de 2007 a dezembro de 2017. As previsões dos modelos de previsão ARIMA, Holt-Winters (HW) versões aditiva e multiplicativa e NNAR foram projetadas, por meio da linguagem de programação R, com uso do software R Studio. O procedimento empírico de execução dos scripts de todos os modelos foi disponibilizado. As predições fora da amostra da procura do turismo abrangeram o intervalo de janeiro até dezembro de 2018, sendo então comparadas aos dados reais do mesmo período. As previsões dos modelos foram comparadas no curto, médio e longo prazo mediante os critérios Mea Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) e Mean Squared Error (MSD). A rede neural (NNAR) superou os modelos testados em diferentes horizontes de previsão e as medidas de erros mostraram que a NNAR é altamente precisa. Em segundo lugar no ranking de acuracidade destacou-se ARIMA. Os resultados mostraram que as previsões da rede neural auxiliam na tomada de decisão dos planejadores turísticos de MS. Para pesquisas futuras recomenda-se realizar previsões fora da amostra num amplo número de séries temporais..
其他摘要：The purpose of this study was to generate short, medium, and long-term forecasts and compare the accuracy of the models in each forecast horizon. For that purpose, univariate and neural network (NNAR) models were applied to data on tourist demand of the state of Mato Grosso do Sul (MS). The sample was collected from the Brazilian Tourism Institute (Embratur) extractor database tool for tourist arrivals by all routes registered in MS between January 2007 and December 2017. The forecasts of ARIMA, Holt-Winters (HW) additive and multiplicative versions, and NNAR were performed through the R programming language, using the R Studio software. The empirical script of execution procedure for all models was made available. The out-of-sample tourism demand forecasts ranged from January to December 2018 and were then compared to actual data for the same period. Model forecasts were compared in the short, medium, and long-terms using the Mea Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) and Mean Squared Error (MSD) criteria. The neural network NNAR surpassed the models tested in different forecast horizons and error measurements showed that NNAR is highly accurate. ARIMA stood out in second in the accuracy ranking. The results showed that neural network forecasts help the decision making of tour planners in MS. For future research, it is recommended to make out-of-sample forecasts over a larger number of time series.
关键词：Demanda Turística; Séries Temporais; MS; Tomada de Decisão.
其他关键词：Tourist Demand; Time series; Mato Grosso do Sul; Decision making.