指導教授：王銘宗臺灣大學：工業工程學研究所陳泉蒲Chen, Chuan-PuChuan-PuChen2014-11-252018-06-292014-11-252018-06-292014http://ntur.lib.ntu.edu.tw//handle/246246/261021隨著台灣經濟的快速增長，旅遊業已成為國家發展的一個重要的新領域，對國家經濟的發展進行全面性的刺激作用。觀光人口屢屢突破每年人次高峰，隨著此趨勢觀光產業也迎向新的發展階段，觀光旅遊業只要成功吸引外國遊客使旅遊服務的需求增加，能夠為國家的經濟發展、貿易表現作提供重大貢獻。因此，瞭解何種變數會影響旅遊需求以及如何應用這些變數預測國際觀光旅客的來台需求趨勢和預測，給予決策者有效資訊來做策略規劃是非常重要的。 人工智慧技術已經成為經濟建模和預測的重要工具，隨著資訊科技的發展、預測技術的演進與資料的更新，多項新技術已經應用在旅遊需求預測。然而，就預測準確性而言，研究分析顯示始終沒有一個最佳的模型可在多個情形下統一適用和絕對優於其他模型。本研究重新針對預測模式的精確性與適用性進行探討，主要以倒傳遞類神經網路以及支撐向量迴歸模型於國際旅遊需求預測。 本研究主要的貢獻在於透過實證性研究，期望藉由本研究分析結果，對於觀光來台人數預測，有進一步的了解，促進觀光產業對預測模型之了解與共識，並給予觀光產業策略建議，作為觀光領域或預測模型後續研究發展之參考。With the rapid growth of Taiwan''s economy, tourism has become an important new areas of national development and comprehensive stimulate national economic development. Tourism population number has exceeded the annual peak year by year. With this trend, the tourism industry also forth to meet a new development phase. As long as attracting foreign tourists, increasing demand for tourism services provide a significant contribution for national economic development and trade performance. Therefore, to understand what variables will affect tourism demand and how to apply variables to predict international tourist arrivals to Taiwan, giving decision-makers information to make strategic planning is very important. Artificial intelligence technology has become an important tool for economic modeling and forecasting. With the development of information technology, several new technologies have been applied in travel demand forecasting. However, not an optimal model can be applied uniformly and absolutely superior to other models in multiple scenarios. This research discussed the accuracy and applicability of predictive models in back propagation network and support vector regression model for international tourism demand forecasting. It is hoped that this research could provide a better understanding about tourism demand forecasting and give the tourism industry policy recommendations.目錄 V 圖目錄 VII 表目錄 IX 第1章 緒論 1 1.1 背景與動機 1 1.2 研究目的 3 1.3 研究架構 4 1.4 研究限制 5 第2章 文獻回顧 6 2.1 產業現況 6 2.1.1 產業環境 6 2.1.2 多角化策略 11 2.1.3 觀光產業概況 17 2.2 旅遊需求 25 2.2.1 旅遊需求標準 25 2.2.2 觀光需求預測 27 2.2.3 觀光計量經濟模型 32 2.3 類神經網路 45 2.3.1 類神經網路歷史 45 2.3.2 類神經網路的基本架構與運作 51 2.3.3 類神經網路的特點 56 第3章 研究方法 57 3.1 研究流程 57 3.2 研究範圍與資料來源 59 3.3 觀光產業分析 60 3.4 倒傳遞類神經網路 61 3.5 支撐向量迴歸 67 3.6 模型評估 72 第4章 實證結果與分析 74 4.1 觀光產業環境分析 74 4.1.1 觀光產業PEST分析 74 4.1.2 觀光產業SWOT分析 77 4.2 倒傳遞類神經網路之預測結果分析 79 4.2.1 資料前處理 79 4.2.2 倒傳遞類神經網路預測結果 79 4.3 支撐向量迴歸之預測結果分析 82 4.3.1 資料前處理 82 4.3.2 支撐向量迴歸模型之預測結果 83 4.4 綜合分析比較 85 第5章 結論、貢獻與建議 88 5.1 結論 88 5.2 貢獻 88 5.3 建議 89 參考文獻 912808669 bytesapplication/pdf論文使用權限：不同意授權旅遊需求預測類神經網路倒傳遞神經網路支撐向量回歸[SDGs]SDG8thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/261021/1/ntu-103-R01546042-1.pdf