基于统计与机器学习融合模型的水墨丹霞客流量预测优化研究

摘要

在新开发或数据积累尚浅的景区中，客流量预测常面临样本不足、数据噪声高和结构不稳定等挑战，传统深度学习模型在此类情境下往往因对数据量要求高、结构复杂且易过拟合而效果不佳。针对这一问题，本文提出一种融合统计模型与机器学习算法的组合预测方法，用于提升水墨丹霞景区的客流量预测准确性。该方法结合ARIMA模型的线性建模优势与XGBoost模型的非线性拟合能力，并引入GARCH模型对ARIMA残差的波动性进行建模，根据波动率动态调整两类模型的权重分配，从而增强模型在不稳定客流序列下的自适应能力。研究结果表明，该组合模型能够在面对复杂、波动性强的游客数据时取得更稳定且精准的预测效果，为地方政府和景区管理者提供了更具实用性的预测工具和科学的决策支持。

关键词

旅游客流量预测 / 统计模型 / 机器学习 / 组合模型预测