請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/27482完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 邱鳳臨 | |
| dc.contributor.author | I-Chih Chen | en |
| dc.contributor.author | 陳一志 | zh_TW |
| dc.date.accessioned | 2021-06-12T18:06:40Z | - |
| dc.date.available | 2008-01-10 | |
| dc.date.copyright | 2008-01-10 | |
| dc.date.issued | 2007 | |
| dc.date.submitted | 2007-12-28 | |
| dc.identifier.citation | 參考文獻
中文部分 1. 中華民國交通部（1986.07－1993.05），＜中華民國國民出國事由與目的地分析 ＞，《中華民國交通統計月報》，台北：中華民國交通部。 2. 中華民國交通部（1993.06－1994.12），＜國人出國按目的地分＞，《中華民國交通統計月報》，台北：中華民國交通部。 3. 中華民國交通部觀光局（1995.01－2006.12），＜國人出國按目的地分＞，《中華民國交通統計月報》，台北：中華民國交通部觀光局。 4. 于宗先（1972），《經濟預測》，台北：大中國圖書有限公司。 5. 方世杰（1988），《市場預測方法一百種》，台北：書泉出版社。 6. 田自力（1996），《灰色理論在預測與決策之研究》，國立成功大學機械工程研究所博士論文。 7. 左家毓（2004），《灰色預測理論應用於國人出國觀光需求預測之研究》，私立義守大學管理研究所碩士論文。 8. 江麗文（1994），《出國觀光旅客需求預測模式建立之研究》，私立中國文化大學商學院觀光事業研究所碩士論文。 9. 呂柏賢（2000），《灰色需求預測模式之研究-以易腐性商品為例》，私立東海大學工業工程研究所碩士論文。 10. 李松（2006），（基於改進灰色GM模型的用電量預測方法研究），《電力需求側管理》，8（9），頁17~19。 11. 李松、劉波（2006），（灰色季節變動指數模型GSVI(1,1)在農村用電量預測中的應用），《中國電力》，39（6），頁15~18。 12. 李曉隆（2002），《出租公寓之租金價格預測-複迴歸分析與類神經網路的比較》，國立台灣科技大學企業管理研究所碩士論文。 13. 周鵬程（2002），《類神經網路入門-活用matlab》，台北：全華科技圖書股份有限公司。 14. 周明智、聶建中（2005），＜區間測試法探討總體經濟與出國旅遊之影響關係＞，《台大管理論叢》，16（1），頁1~14。 15. 林茂文（2006），《時間數列分析與預測》，台北：華泰文化事業股份有限公司。 16. 林依穎（2003），《國外旅客對中國大陸旅遊業需求預測之分析》，國立台灣大學國家發展研究所碩士論文。 17. 施向陽（2001），《匯率變動預測模式之研究》，私立大業大學事業經營研究所碩士論文。 18. 施瑞賢（2003），《來華觀光旅客人數需求預測之研究》，朝陽科技大學休閒事業管理研究所碩士論文。 19. 唐宜楷（1998），《台灣加權股價指數預測-灰色預測之運用》，國立台灣大學財務金融所碩士論文。 20. 陳于倩（2003），《中國大陸旅遊業需求預測-結合迴歸與時間數列模型》，國立台灣大學國家發展研究所碩士論文。 21. 陳彥琴（2004），《應用灰色理論預測新上市之生技保健食品銷售量》，國立成功大學工業與資訊管理研究所在職專班碩士論文。 22. 陳淑女（2000），《台灣地區國家公園遊客量之預測》，朝陽科技大學休閒事業管理研究所碩士論文。 23. 陳耀茂、殷純淵（2004），《類神經網路PCNeuron》，台北：鼎茂圖書出版股份有限公司。 24. 陳鴻彬、陳桓敦（2005），＜我國來華旅客市場概況與趨勢分析＞，《「2005台灣外交觀光趨勢與行銷」學術研討會論文集》，頁173-186，台北：開南管理學院。 25. 陳鴻烈、顏正平（1999），＜水庫水質之時間數列分析研究＞，《水土保持研究期刊》，16（3）。 26. 葉怡成（2004），《應用類神經網路》，台北：儒林圖書有限公司。 27. 郭晶、孫傳娟（2005），《神經網絡理論與MATLAB 7實現》，北京：電子工業出版社。 28. 張家瑄（2005），《亞洲地區對台灣旅遊需求之預測》，國立台灣大學國家發展研究所碩士論文。 29. 張偉哲、溫坤禮、張廷玫（1990），《灰關聯模型方法與應用》，台北：高立圖書有限公司。 30. 許通安（2004），《短期訂單預測模型之研究-PDA產業為例》，私立中原大學資訊管理研究所碩士論文。 31. 黃台心（2004），《計量經濟學》，台北：雙葉書廊有限公司。 32. 黃雅蘭（2000），《台灣股價指數期貨套利之研究-類神經網路與灰色理論之應用》，國立台灣科技大學資訊管理研究所碩士論文。 33. 游智元（2006），《時間序列方法於台鐵短期旅運需求預測之研究》，國立成功大學交通管理科學研究所碩士論文。 34. 楊奕農（2005），《時間序列分析-經濟與財務上之應用》，台北：雙葉書廊有限公司。 35. 楊金聲（2005），《利用類神經網路與線性迴歸進行成本預測之研究-以印刷電路版產業為例》，私立中原大學資訊管理研究所碩士論文。 36. 溫坤禮、黃宜豐、陳繁雄、李元秉、連志峰、賴家瑞（2002），《灰預測原理與應用》，台北：全華科技圖書股份有限公司。 37. 溫坤禮、黃宜豐、張偉哲、張近政、游美利、賴家瑞（2003），《灰關聯模型方法與應用》，台北：高立圖書有限公司。 38. 溫坤禮、張簡士琨、葉鎮愷、王建文、林慧珊（2006），《MATLAB在灰色系統理論的應用》，台北：全華科技圖書股份有限公司。 39. 詹琇(人予)（2004），《結合ARIMA模式與倒傳遞網路以降低預測誤差》，國立成功大學工業與資訊管理研究所碩士論文。 40. 鄧聚龍（2003），《灰色系統理論與應用》，台北：高立圖書有限公司。 41. 廖世裕（1999），《應用灰色系統理論建立茶葉產銷預測系統之研究》，國立中興大學農產運銷研究所碩士論文。 42. 劉宜峰（1996），《以類神經網路與ARIMA模式預測臺灣股市行為之適用性比較》，私立東吳大學會計學研究所碩士論文。 43. 鄭米茹（2004），《應用灰色系統理論與類神經網路於農產品銷售量預測之研究》，私立大同大學資訊經營研究所碩士論文。 44. 錢思敏（1998），《我國出國人次與總體經濟變數關係之研究》，私立中國文化大學觀光事業研究所碩士論文。 45. 謝文杰（2003），《灰色模型與倒傳遞網路在付費語音資訊服務之分析與應用》，私立大同大學工業工程研究所碩士論文。 46. 顏月珠（1979），（幾種預測方法的比較—兼談台灣主要風景區遊客人數的預測），《中國統計學報》，17（4）。 47. 羅啟豪（2005），《運用灰色系統理論預測來台與出國旅客人數需求之研究》，私立樹德科技大學經營管理研究所碩士論文。 英文部分 1. Archer, B.H. 1980, “Forecasting Demand : Quantitative and Intuitive Techniques, ” International Journal of Tourism Management, 1, pp. 5~12. 2. Box, George E. P. & Gwilym M. Jenkins, “Time Series Analysis: Forecasting and Control,” San Francisco：Holden Day. 3. Bovas Abraham & Johannes Ledolter 1983, “Statistical Methods for Forecasting,” New York : Wiley. 4. Bowerman, Bruce L., Richard O’Connell & Anne Koehler 2005 “Forecasting, Time Series, And Regression,” ed., Thomson Brooks/Cole. 5. Bruges, N.V. 1980, “Forecasting in Tourism,” The Tourist Review, 35(3), pp. 2~7. 6. Nelson Charles R. 1973, “Applied Time Series Analysis For Managerial Forecasting,” San Francisco : Holden-Day. 7. Chu, Fong-Lin 1998, “Forecasting Tourism Arrivals : Nonlinear Sine Wave or ARIMA？,” Journal of Travel Research, 36, pp.79~84. 8. Chu, Fong-Lin 1998, “Forecasting TourismA Combined Approach,” Tourism Management, 19(6), pp. 515~520. 9. Chu, Fong-Lin 1998, “Forecasting Tourism Demand in Asian-Pacific Countries,” Annals of Tourism Research, 25(3), pp. 597~615. 10. Chan, Yiu-Man 1993, “Forcasting Tourism : Asine Wave Time Series Regression Approach,” Journal of Travel Research, 32, pp.58~60. 11. Denis Wackerly, William Mendenhall & Richard L. Scheaffer 2002, “Mathematical Statistics with Applications,” ed., Duxbury Advanced Series. 12. Hsu, Chaug-ing & Yuh-horng Wen 1998 “Improved Grey Prediction Models for The Trans-Pacific Air Passenger Market,” Transportation Planning and Technology, 22, pp.87~107. 13. Hsu, Che-Chiang & Chia-Yon Chen 2003, “Applications of Improved Grey Prediction Model For Power Demand Forecasting,” Energy Conversion and Management, 44, pp. 2241~2249. 14. Lim, C. & McAleer, M. 2002, “Time Series Forecasts of International Travel Demand for Australia,” Tourism Management, 23, pp.389~396. 15. Brockwell, Peter J. & Richard A. Davis 2002 “Introduction To Time Series And Forecasting,” ed., New York : Springer. 16. Wei, William W. S 1990 “Time Series Analysis :Univariate And Multivariate Method,” Redwood City, Calif. : Addison-Wesley. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/27482 | - |
| dc.description.abstract | 本研究使用1983年至2006年交通部出版之《中華民國交通統計月報》中的「國人出國按目的地分」月資料，並以香港、日本、韓國、泰國、亞洲區這五個國人主要出國去向為本研究中出國人次研究之範疇。由於過去於灰色預測法之運用上，在許多不同之領域皆得到不錯之運用成果，而近年也運用至國人出、入境之研究中，但主要運用之資料為年資料，雖得到不錯之成果，但若能運用至季、月資料中，相信於各方預測之研究中，會得到更佳之評價。
因此本文主要之方向在於，運用灰色預測法，並對其提出部分修正，使其能有效運用於季、月資料之研究；為了解預測能力之成果是否具有相對優勢，我們同時運作於旅客出、入境研究中得到相當良好預測能力的ARIMA與SARIMA模型，及近年在各方研究中都運用得相當廣泛的類神經網路模型，並加以比較。 結果顯示，經修正後之灰色預測模型，於研究中展現了不遜色於預測能力最好的SARIMA模型之預測能力，並以其少樣本建模與操作簡便之特性，於SARIMA模型不易運用之少數據情況下，也能進行良好的預測。 | zh_TW |
| dc.description.abstract | In earlier studies, grey prediction has been broadly used in different fields. Most of them applied annual data to construct forecasting model. If we use quarterly or monthly data to forecast, the results may be more useful and meaningful. This research amends grey prediction and uses it to forecast. In order to make sure the amended method works well, we then compare the results of the amended grey prediction with other forecasting methods.
In this research, we apply grey prediction, ANN, ARIMA and SARIMA to forecast the quarterly and monthly numbers of people going abroad to Hong Kong, Japan, Korea, Thailand and Asia. We found that the performance of amended grey prediction is as good as SARIMA model, which is the best forecasting method in earlier papers. Because of the characters of easy-handled and requiring less data series, the amended grey prediction can also work well in some condition that SARIMA model can’t do. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-12T18:06:40Z (GMT). No. of bitstreams: 1 ntu-96-R94341037-1.pdf: 766389 bytes, checksum: 2adec810d4ec0838113b23936dd78b3d (MD5) Previous issue date: 2007 | en |
| dc.description.tableofcontents | 口試委員會審定書 ................................................. I
誌謝 ............................................................. II 中文摘要 ......................................................... III Abstract ........................................................... IV 第一章、緒論 ..................................................... 1 第一節 研究背景 ............................................... 2 第二節 研究動機與目的 ......................................... 4 第三節 研究途徑與研究方法 ..................................... 5 第四節 研究架構與本文架構圖 ................................... 6 第二章、文獻探討 ................................................. 8 第一節 預測、預測模型與預測的重要性 ........................... 9 第二節 過去於出、入境人次相關研究中所常用的預測方法及成果 ..... 10 第三節 灰色系統理論於各種領域運用之預測法及成果 ............... 13 第四節 類神經網路之應用 ....................................... 16 第五節 小結 ................................................... 18 第三章、預測模型之運用與成果 ..................................... 20 第一節 資料來源與處理 ......................................... 21 第二節 ARIMA模型 ............................................ 22 第三節 SARIMA模型 ........................................... 29 第四節 季節指數灰預測 ......................................... 36 第五節 趨勢灰色季節 ........................................... 44 第六節 倒傳遞類神經網路 ....................................... 53 第七節 納入時間項之倒傳遞類神經網路 ........................... 58 第四章、模型預測能力分析與運用 ................................... 62 第一節 預測能力之評比 ......................................... 63 第二節 模型預測能力評比結果及建議 ............................. 65 第五章、結論 ..................................................... 73 第一節 研究成果 ............................................... 74 第二節 研究限制 ............................................... 74 第三節 後續研究建議 ........................................... 75 參考文獻 ....................................................... 76 附錄 ........................................................... 80 | |
| dc.language.iso | zh-TW | |
| dc.subject | SARIMA | zh_TW |
| dc.subject | BPN | zh_TW |
| dc.subject | 出國人次 | zh_TW |
| dc.subject | ARIMA | zh_TW |
| dc.subject | 灰色預測 | zh_TW |
| dc.title | 台灣地區出國人次之預測－灰色預測法、類神經網路、ARIMA與SARIMA模型之應用 | zh_TW |
| dc.title | Applying Grey Prediction, ANN, ARIMA and SARIMA to Forecast Taiwan’s Outflow Visitors | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 96-1 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 周治邦,李顯峰 | |
| dc.subject.keyword | 灰色預測,SARIMA,ARIMA,BPN,出國人次, | zh_TW |
| dc.subject.keyword | grey prediction,SARIMA,ARIMA,BPN,outflow visitor, | en |
| dc.relation.page | 79 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2007-12-28 | |
| dc.contributor.author-college | 社會科學院 | zh_TW |
| dc.contributor.author-dept | 國家發展研究所 | zh_TW |
| 顯示於系所單位： | 國家發展研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-96-1.pdf 未授權公開取用 | 748.43 kB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。