<p>Una acertada predicción de la demanda turística es un problema crucial para el turismo y la industria de servicios porque puede proporcionar eficientemente la información básica para la planificación del turismo y la posterior formulación de políticas. Para lograr el mejor resultado en la predicción de la demanda turística se empleó dos modelos autoregresivos, SARIMA y Red Neuronal.<br />Los parámetros del modelo SARIMA fueron obtenidos utilizando el algoritmo de máxima verosimilitud, la red neuronal se entrenó utilizando el algoritmo de Levenberg-Marquardt. Ambos modelos utilizaron para esta fase el 85% de los datos disponibles. Los datos de turistas arribados a Chile fueron los utilizados. Los resultados empíricos indican que el modelo SARIMA obtuvo un mejor rendimiento que la Red Neuronal a una proyección de doce meses</p>
<p>An accurate prediction of tourism demand is a crucial problem for tourism and the service industry because it can efficiently provide the basic information for tourism planning and subsequent policy. To achieve the best result in predicting the tourist demands two autoregressive models was used, autoregressive SARIMA and Neural Network.<br />ARIMA model parameters were obtained using the maximum likelihood algorithm; the neural network was trained using the Levenberg-Marquardt algorithm. Both models used for the training phase 85% of available data. The monthly data in tourist arrivals in Chile were used. The empirical results indicate that the SARIMA model performed better than the neural network to a projected twelve months</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>Una acertada predicción de la demanda turística es un problema crucial para el turismo y la industria de servicios porque puede proporcionar eficientemente la información básica para la planificación del turismo y la posterior formulación de políticas. Para lograr el mejor resultado en la predicción de la demanda turística se empleó dos modelos autoregresivos, SARIMA y Red Neuronal.<br />Los parámetros del modelo SARIMA fueron obtenidos utilizando el algoritmo de máxima verosimilitud, la red neuronal se entrenó utilizando el algoritmo de Levenberg-Marquardt. Ambos modelos utilizaron para esta fase el 85% de los datos disponibles. Los datos de turistas arribados a Chile fueron los utilizados. Los resultados empíricos indican que el modelo SARIMA obtuvo un mejor rendimiento que la Red Neuronal a una proyección de doce meses</p>
<p>An accurate prediction of tourism demand is a crucial problem for tourism and the service industry because it can efficiently provide the basic information for tourism planning and subsequent policy. To achieve the best result in predicting the tourist demands two autoregressive models was used, autoregressive SARIMA and Neural Network.<br />ARIMA model parameters were obtained using the maximum likelihood algorithm; the neural network was trained using the Levenberg-Marquardt algorithm. Both models used for the training phase 85% of available data. The monthly data in tourist arrivals in Chile were used. The empirical results indicate that the SARIMA model performed better than the neural network to a projected twelve months</p>
