Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | pt |
| Published: |
Universidade Federal do Rio de Janeiro
2019
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=115461709007 https://www.redalyc.org/journal/1154/115461709007/ https://www.redalyc.org/journal/1154/115461709007/html/ https://www.redalyc.org/journal/1154/115461709007/115461709007.epub https://www.redalyc.org/journal/1154/115461709007/movil https://doi.org/10.18472/cvt.19n3.2019.1520 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Previsão dos modelos univariados e rede neural da demanda turística do estado de Mato Grosso do Sul Bruno Matos Porto Daniela Althoff Philippi Vanessa Aline Wagner Leite Estudios de Turismo MS Séries Temporais Demanda Turística Tomada de Decisão 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. 2019 artículo científico 1677-6976 https://www.redalyc.org/articulo.oa?id=115461709007 https://www.redalyc.org/journal/1154/115461709007/ https://www.redalyc.org/journal/1154/115461709007/html/ https://www.redalyc.org/journal/1154/115461709007/115461709007.epub https://www.redalyc.org/journal/1154/115461709007/movil https://doi.org/10.18472/cvt.19n3.2019.1520 pt http://www.redalyc.org/revista.oa?id=1154 Caderno Virtual de Turismo application/pdf Universidade Federal do Rio de Janeiro Caderno Virtual de Turismo (Brasil) Num.3 Vol.19