互联网用户利用搜索引擎对互联网上的信息进行搜索时，其中的网络搜索关键词和浏览痕迹都被搜索引擎记录下来，由此生成网络搜索数据。网络搜索的广泛使用以及它与人们日常生活的紧密交织，利用网络搜索数据研究某地的旅游需求成为现实。目前，在中国搜索引擎行业中，百度是国内使用率最高的搜索引擎，《2019年中国网民搜索引擎使用情况研究报告》显示，百度搜索品牌的渗透率达到90.9%，受到国内用户的青睐 [ 4 ]。根据Statcounter网站流量数据统计，近几年百度搜索所占市场份额始终位列第一，占比74.37%，用户规模最大，远远超过搜狗(13.7%)和谷歌(3.66%)。2006年，百度推出了以百度海量网民行为数据为基础的数据分享平台——百度指数，用来收集用户通过百度检索留下的检索痕迹，包括“人群画像”、“需求图谱”和“趋势研究”三个模块。

本文以百度平台提供的百度指数为数据来源，分析网络搜索数据与旅游需求之间的相关关系。百度指数供用户查看的最早统计数据为2006年6月1日，其中2006年6月至2010年12月期间，百度指数仅提供PC端趋势数据；2011年1月开始提供整体趋势数据，包括PC端数据和移动端数据。考虑到现在人们在移动设备上搜索信息更为频繁。同时，为了避免仅使用PC端数据造成的信息损失，选取2011年1月1日至2020年12月31日与北京市旅游人数相关的网络搜索整体趋势数据，以月为单位收集得到关键词的月平均搜索数据，每个网络搜索关键词的数据有120个。

需求是指人们有能力购买并且有意愿购买某种商品的欲望，当这种商品为旅游产品和服务时，就构成了旅游需求 [ 5 ]，即在一定时间内，旅游者具有旅游的动机并且能够以一定货币支付能力和可支配时间购买旅游产品或者旅游服务的数量。反映旅游需求的指标有很多，以往研究中通常使用旅游人数、旅游收入、时空特征等方面来反映旅游需求指标，其中旅游人数是最常用的指标。

本文以北京市2011年1月至2020年12月的月度旅游人数作为另一种数据，具体数据来自北京市统计局官网，其中旅游区接待人数统计范围为A级及以上旅游区和其他主要旅游区，包括境外人数。百度指数基本反映的是国内搜索关键词的情况。因此，将旅游区总接待人数减去境外旅游人数后的境内旅游人数作为最终的北京市旅游人数，以此作为北京市旅游需求。

目前关键词选取方法主要有三种：技术取词法、直接取词法、范围选词法。本文考虑到这三种方法在选取初始关键词上各有利弊，结合大数据环境下人们的网络搜索行为，决定从文本挖掘的角度入手，完成网络搜索关键词的初选。

在线旅游网站为旅游目的地拓宽了客源渠道，大量信息分享方面远远高于传统旅行社。它不仅可为游客提供产品预订一站式服务，还有提供用户点评、社区问答、旅游攻略等信息可以参考。然而互联网在线旅游网站以方便、快捷的绝对优势，受到越来越多人的青睐。人们出游前获取信息的主要渠道来自旅游网站的游记攻略栏目，并且在旅游前、中、后选择将自己的旅行经验和感受分享到旅游网站平台，实现了旅游者和旅游网站之间的信息交流和共享。根据Alexa网站统计，对各大旅游网站的注册时间、排名情况、网站搜索指数和与北京相关的游记数量进行深入研究，结果见表1。

表1. 旅游网站相关信息

注：“-”表示该网站无相应游记栏目供人们搜索，无法获取游记数量。

表1中搜索指数是指网站名称在百度指数中的整体搜索量，指数越高说明该旅游网站的受关注程度越高。旅游网站排名靠前的有携程旅行网、穷游网、马蜂窝、去哪儿网；搜索指数靠前的有携程网、去哪儿网、途牛旅游网；北京游记数量较多的网站有携程旅行网、同程旅游、马蜂窝、去哪儿网，最终确定携程旅行网、马蜂窝、去哪儿网和同程旅游作为本文的目标旅游网站。

利用Python分别对携程旅行网、马蜂窝、去哪儿网和同程旅游网的游记攻略搜索“北京”关键词，希望通过文本大数据来了解用户对北京的旅游需求，按照网页推送对每个网站爬取100篇游记攻略，共获得400篇，总计1541758字。通过文本挖掘获得的400篇游记攻略是无结构的文本信息，需要将所有文字分割成有意义的词语。本文使用NLPIR汉语分词系统进行文本分词获取高频词汇，得到关键词列表及其对应的词性、权重和词频，如图1所示。可以发现，出现次数多的词语不一定是关键词，比如“可以”、“一个”、“开始”、“还有”等词语，虽然所占权重和词频比较靠前，但不具备完整意义，与本文研究对象“北京”没有绝对关联。因此，这些词语不被纳入初始关键词，筛选出高频词汇。

图1. NLPIR系统提取的部分高频词汇

将高频词汇结合旅游六要素“吃、住、行、游、购、娱”，确定北京美食、北京特产、北京住宿、北京地图、北京旅游、北京购物、北京娱乐、北京这8个关键词，构建初始关键词词库，见表2。将关键词在百度指数搜索栏中逐个进行搜索，发现每个关键词对应的百度指数都有记录，说明该初始关键词词库构建是合理的。

表2. 初始关键词词库

为了反映旅游人数变化，下面采用灰色关联分析方法检验8个关键词是否与北京市旅游人数相关。首先，对初始关键词词库中的关键词和北京市旅游人数进行无量纲处理，根据灰色关联系数计算公式：

ξ i ( t ) = min i min t | y ( t ) − x i ( t ) | + ρ max i max t | y ( t ) − x i ( t ) | | y ( t ) − x i ( t ) | + ρ max i max t | y ( t ) − x i ( t ) | (1)

其中， y ( t ) 表示因变量旅游人数， x i ( t ) 表示第i个自变量即关键词，ρ为分辨系数，在(0, 1)内取值，不妨取0.5。通过计算得出：

min i min t | y ( t ) − x i ( t ) | = 0.0007375 (2)

max i max t | y ( t ) − x i ( t ) | = 2.7417169 (3)

得到各网络搜索关键词与旅游人数在不同时间的灰色关联系数。然后根据灰色关联度公式：

γ = 1 n ∑ t = 1 n ξ i ( t ) (4)

计算关联系数均值，其中，n表示自变量时间序列个数，从而得到初始关键词与旅游人数之间的灰色关联度，见表3。可以发现，北京美食、北京特产、北京住宿、北京地图、北京旅游、北京景点、北京购物、北京娱乐和北京的灰色关联度均大于0.75，说明关键词与旅游人数之间具有较强的关联性，8个初始关键词构成的关键词词库能够反映旅游人数的变化，可用其进行关键词拓展。

表3. 初始关键词的灰色关联度

基于文本挖掘得到的初始关键词中所包含的信息是有限的，并不能全面反映旅游目的地“北京”的相关情况，还需要进一步对网络搜索关键词进行拓展。本文采用以下几种方法对初始关键词进行拓展。

1) 需求图谱。根据周边圆圈距离搜索关键词的远近和自身圆圈大小对初始关键词进行选择性拓展，用户需求越多，相关关键词的搜索指数越高，圆圈的直径就越大；圆圈距离搜索关键词所在圆圈的位置越近，相关程度越大，反之越小。图2为初始关键词“北京美食”的需求图谱，可以拓展出“北京美食街”、“北京烤鸭”、“北京小吃”、“北京特色美食”等关键词。

图2. 需求图谱界面

2) 百度指数相关词热度推荐。百度指数将所有与搜索关键词相关的需求进行排序区分显示，排名越靠前，表示相关关键词与搜索关键词的相关程度越大。比如由“北京美食”可拓展出“北京烤鸭”、“北京特产”、“北京小吃”等关键词。

3) 百度搜索引擎推荐。在百度搜索引擎输入关键词，搜索引擎会自动提示扩展关键词。比如对“北京旅游”进行搜索可拓展出“北京旅游排行榜前十”、“北京旅游攻略”、“北京旅游景点一览表”等关键词。

4) 百度网页相关推荐。用户在百度搜索引擎输入关键词跳转到相关网页后，在搜索页面的底部会出现一栏“相关搜索”，可为用户提供一些相关关键词进行二次搜索。搜索引擎会记录下用户的搜索记录从而获得用户的搜索习惯，为后续搜索提供参考。比如“北京旅游”可拓展出“北京一日游”、“北京周边景点”等关键词。

5) 百度指数搜索推荐。在百度指数搜索栏输入关键词，会自动弹出相关关键词。以“北京旅游”为例，自动弹出收录在百度指数中的关键词“北京旅游景点”和“北京旅游包车”两个关键词。

6) 北京旅游网推荐。北京旅游网是北京市文化和旅游局监管的非营利性网站，会向用户提供国内最权威的北京旅游信息。根据搜索内容不同类别，可获得“天安门广场”、“故宫”、“八达岭长城”、“鸟巢”等关键词。

7) 网络游记推荐。根据去哪儿网、同程旅游、马蜂窝和携程旅行网收集到的游记攻略，挖掘有实际意义的词汇为扩展关键词，从中可以找到“烟袋斜街”、“司马台长城”、“北京朝阳公园”、“十三陵”等关键词。

经过以上7种方法，共收集到258个关键词。由于百度指数并不会记录所有词语的搜索量，因此需要将收集到的关键词依次输入百度指数检索栏进行搜索，选择剔除无记录搜索量的关键词，剩余161个关键词。使用Python程序爬取百度指数中2011年1月至2020年12月关键词数据，并使用月度汇总，发现有11个关键词在多个月份中搜索量为零，并且有24个关键词月搜索量整体明显偏低，所以将其剔除，最后剩下126个关键词构成拓展关键词词库，见表4。

表4. 拓展关键词词库

为了更好地选择最优关键词，需要对这126个网络搜索关键词进行筛选。首先，计算斯皮尔曼等级相关系数，保留45个相关系数大于0.6的关键词。其次，从时间上来看，网络搜索关键词与旅游人数之间存在三种时滞关系：先行、同步、滞后，而绝大部分用户会在旅游当月或提前数月对旅游信息进行搜索。本文采用K-L信息量法确定网络搜索关键词变量与北京市旅游人数变量之间的时滞关系，计算北京市旅游人数与每个关键词之间的0~6期提前期和0~6期滞后期的相关系数，即对每1个关键词需要计算13次K-L信息量值，选择最小的K-L信息量值对应的时滞阶数作为最佳时滞阶数，剔除掉较旅游人数序列滞后变化的指标，保留先行和同步变化的指标，见表5。

表5. 关键词的最佳时滞阶数及相应的K-L信息量值

由表5可知，大部分关键词与北京市旅游人数是同步变化关系，少数关键词先行于北京市旅游人数变化，北京自驾游、北京景点门票、北京住宿攻略、北京自由行这4个关键词比旅游人数提前1期。各个关键词反映了旅游需求的动态变化，关键词变量的不同时滞阶数反映了用户在不同阶段的潜在旅游需求。由于旅游需求数据发布往往具有滞后性，而网络搜索数据具有时效性特征，所以计算得到的同步指标不予剔除，仍可作为后续关键词筛选。同时，经过K-L信息量均为先行或同步指标，表明计算斯皮尔曼相关系数进行筛选已经剔除掉了相对滞后的关键词。

网络搜索数据也经常存在异常点和振幅差异，对应的网络搜索关键词和旅游人数序列就会出现整体形状相似但在时间轴上发生错位和偏移现象，而DTW动态时间弯曲可以很好地避免这一点，筛选的关键词具有更好的预测效果 [ 6 ]。因此，本文通过DTW进一步计算每个网络搜索关键词序列与旅游人数序列之间的最短弯曲距离。为防止关键词漏选，保留与旅游人数最为相似的前20个关键词，见表6。

表6. 三种方法筛选后的网络搜索关键词

从表6可以看出，用户在对旅游六要素中的“食”和“游”方面的关注度明显高于其它方面，其中“奥林匹克公园”、“北海公园”、“天坛公园”、“慕田峪长城”、“烟袋斜街”、“恭王府”等是北京市著名旅游景点，基本上都会被记录在游记攻略中，而北京美食小吃众多，在关键词筛选过程中如“驴打滚”、“北京烤鸭”、“炸酱面”等具体美食名称被过滤掉，保留了“北京小吃街”和“北京美食”等关键词。

然而，经过斯皮尔曼相关系数、K-L信息量、DTW方法筛选保留的20个网络搜索关键词并非都能作为最终预测变量，这些关键词之间可能存在多重共线性，造成预测结果过拟合现象。因此，需要进一步对数据降维处理，本文采用Adaptive Lasso进行变量选择，结果见图3。在R语言中直接调用lasso.adapt.bic2函数，调用格式为：lasso.adapt.bic2 (x=Data[,1:20], y=Data$旅游人数)，其中x为需要进行变量选择的20个变量集合，y为因变量北京市旅游人数。同时，根据选取的关键词对应的最佳时滞阶数对数据进行月度的平移调整即错位对齐，其中关键词“北京景点门票”、“北京自由行”、“北京住宿攻略”比北京市旅游人数序列提前1期，将其t − 1期数据与北京市旅游人数的t期数据对齐，其它关键词与旅游人数为同步关系，数据保持不变。进行错位对齐后，所有关键词和北京市旅游人数的数据期间均为2011年2月至2020年12月，数据量为119个。

图3. Adaptive Lasso在R中运行结果

由R程序运行结果可知，最终只有9个关键词变量的回归系数非零，分别为北京小吃街、北京景点地图、奥林匹克公园、慕田峪长城、北京夜景、北京景点门票、恭王府、石景山游乐园、北京夜市。经过Adaptive Lasso变量选择，20个变量减少为9个变量，减少了维度，从而可以降低计算难度，提高计算效率。

综上所述，经过多个步骤筛选得出的9个关键词变量中只有关键词“北京景点门票”比北京市旅游人数序列提前1期，绘制得到关键词变量与旅游人数的时间趋势走向，见图4。可以看出，每个关键词对应的搜索量与旅游人数时间序列均呈现出一致的时间趋势和波动特征，并且波峰和波谷的特征大致相同，充分描述了北京市旅游的发展趋势和季节性。在每年的五一、十一节假日前后以及暑假期间，北京市旅游人数都会达到峰值，主要是在节假日期间吸引大批游客来京旅游，还有在个别年份的二月会出现较小的波峰，主要考虑到春节过后天气回暖，人们旅游需求旺盛。基于以上分析，最终筛选得到的9个关键词能够客观反映北京市旅游需求的动态特征，充分体现人们的潜在旅游需求。

图4. 关键词变量与旅游人数的趋势图

考虑将Adaptive Lasso构造出的9个变量，即北京小吃街、北京景点地图、奥林匹克公园、慕田峪长城、北京夜景、北京景点门票、恭王府、石景山游乐园、北京夜市，依次命名为 x 1 , x 2 , ⋯ , x 9 。错位对齐处理后，所有关键词和北京市旅游人数的数据期间均为2011年2月至2020年12月，数据量为119个。在构造模型的变量集时，还要考虑旅游人数本身的季节性变化，针对北京市旅游人数序列每年中主要存在的三个客流高峰，本文引入虚拟变量d_t进行季节性调整，当t为每年的4月、8月、10月时取值为1，其余月份t为0。

设模型的自变量集为：

X = ( x 1 , t , x 2 , t , x 3 , t , ⋯ , x 9 , t , d t ) (5)

模型的因变量集为：

Y = { y t } (6)

同时，为避免异常点及不同变量间的数量级差异对预测结果造成影响，需要对变量集进行标准归一化处理，并为更好地对预测模型进行评估，将全部数据分为训练集和测试集两部分，通常按照3/2~4/1比例进行数据集划分，考虑到样本量只有119个，数据规模较小，测试集占比太大可能会影响训练效果。因此，将2011年2月至2019年12月期间的数据作为训练集，2020年1月至2020年12月期间的数据作为测试集，所用数据见表7。

表7. 网络搜索关键词与旅游需求数据

随机森林(RF)是基于bagging框架的决策树模型，构造随机森林有三个步骤：确定用于构造的树的数量；对数据进行自助采样；基于新数据集构造决策树。本文调用Python中的sklearn.ensemble库，使用RandomForestRegressor函数构建随机森林模型。随机森林 [ 7 ] 的主要参数有五个：决策树的数量n_estimators、树的最大深度max_depth、最大选择特征数max_features、最小叶子节点样本数min_samples_leaf、最小分离样本数min_samples_split。

训练随机森林时，从训练集中采取Boostraping方法随机有放回地抽取样本，借助gridsearchcv即网格搜索 + 交叉验证的方法进行参数寻优。由于本文样本量不大，将n_estimators的取值范围设置为[0, 200]，步长为10，max_depth的取值范围设置为[1, 11]，步长为1，max_features为最佳节点分割时要考虑的特征变量数量，不超过所有特征数量，而本文自变量个数为10，取值设置范围为[1, 10]，步长为1，min_samples_leaf采用默认值1，min_samples_split采用默认值2，每种参数组合方式在训练集上训练9次，一共训练1800 × 9 = 16200次。当模型训练结束后，通过best_params_确定最优参数组合为n_estimators = 110，max_depth = 8，max_features = 4，min_samples_leaf = 1，min_samples_split = 2，bootstrap = TRUE。

当获得随机森林预测模型的最优参数组合之后，利用训练的模型在测试集上进行预测检验，得到所建立的预测模型在训练集和测试集上的拟合值曲线，见图5。

图5. 随机森林模型下的真实值与预测值

由图5可以看出，随机森林预测模型在训练集上的拟合效果较好，在测试集上拟合效果不太理想，模型泛化能力较差。预测北京市2020年2月旅游人数为1262.4万，而实际旅游人数为330.6万，偏差达到931.8万，在3月、4月、6月、10月及11月均有较大偏差，造成训练集和测试集差异的原因可能是由于噪声过大，建模时出现了过拟合现象，预测时对峰值敏感度不高。

极限梯度提升(XGBoost)算法包括通用参数、提升参数和学习参数三种类型的参数，由于gbtree的性能比gblinear的性能好，并且本文用于回归预测，因此通用参数选用gbtree，学习参数选用reg:linear，后续主要对提升参数调优，不同参数对结果的影响不同，按照影响从大到小的顺序调参 [ 8 ]，运用网格搜索算法和9折交叉验证来确定最优参数组合，具体步骤如下：

Step1：n_estimator：42

n_estimator表示迭代次数，本文设置范围[0, 1000, 10]，得到决策树数量为40，然后缩小范围为[0, 300]，步长为1，确定最优决策树数量为42。

Step2：eta(learning_rate)：0.13

eta的取值范围为[0, 1]，该参数越小，计算速度越慢，参数越大，有可能无法收敛到真正的最佳，典型取值范围为0.01~0.2。本文设置范围[0, 0.2]，步长为0.01，得到最优学习率为0.13。

Step3：max_depth：5min_child_weight：7

max_depth的取值范围为[0, +∞)，该参数越大，模型的学习越具体，越容易过拟合；min_child_weight的取值范围为[0, +∞)，该参数越大，算法越稳健，越不容易过拟合，但取值过高，会导致欠拟合。本文设置范围均为[0, 200]，步长为10，得到最大深度为10，最小权重和为10，然后设置范围为[0, 20]，步长为1，确定最大深度与最小权重和的组合点在(5, 7)时，测试集上的得分最高，确定最优最大深度为5，最优最小权重和为7。

Step4：gamma(min_split_loss)：0

gamma表示节点分裂时最小损失函数的下降值，取值范围为[0, +∞]，该参数越大，算法越稳健，能够避免过拟合现象。本文设置范围均为[0, 100]，步长为10，得到损失阈值为0，然后设置范围为[0, 1]，步长为0.01，确定最优损失阈值为0。

Step5：subsample：0.6colsample_bytree：0.3

subsample用于控制每棵树的随机采样比例，即训练样本数量占整体样本数量的比例，取值范围为(0, 1]，该参数越小，算法越稳健，越不容易过拟合，但取值过小，会导致欠拟合；colsample_bytree用于控制树每一级的每一次分裂过程中对列数的采样比例，取值范围为[0, 1]。本文设置范围均为[0, 1]，步长为0.1，确定最优样本采样率为0.6，最优列采样率为0.3。

Step6：lambda(reg_lambda)：0.01alpha(reg_alpha)：0.87

lambda为L2正则化参数，取值范围为[0, +∞)，该参数越大，算法越稳健，越不容易过拟合；alpha为L1正则化参数，取值范围为[0, +∞)，该参数越大，越不容易过拟合。本文设置范围均为[0, 100]，步长为10，得到L2正则化参数为0，L1正则化参数为10，然后设置范围为lambda范围为[0, 1]，步长为0.01，alpha范围为[0, 20]，步长为0.01，确定最优L2正则化参数为0.01，最优L1正则化参数为0.87。

依照上面的调参顺序，得到最优参数组合见表8。

表8. 调优后的参数

当获得极限梯度提升算法模型的最优参数组合之后，利用训练模型在测试集上进行预测检验，得到预测模型在训练集和测试集上的拟合值曲线，见图6。

支持向量机(SVR)的参数有三个：核函数 K ( x , x ′ ) 、惩罚因子C、核参数gramma，其中核函数主要包括线性核函数Liner、多项式核函数Polynomial、高斯核函数Radial、神经网络核函数Sigmoid。为了将低纬度非线性预测问题转化为高纬度线性可预测问题，减少预测过程中的内积运算量，本文选择引入高斯核函数，相比其它核函数，高斯核函数的灵活性比较高，应用更为广泛 [ 9 ]，具体表达式为：

图6. 极限梯度提升模型下的真实值与预测值

K ( x i , x j ) = exp ( − | x i − x j | 2 σ 2 ) 2 (7)

在确定核函数之后，需要寻找最优惩罚因子和核参数，考虑到本文参数较少，选择网格搜索的方法对参数寻优。网格搜索是一种穷尽式的搜索方法，通过遍历每一个点来得到最优解，实际上就是将需要寻找的参数在一定空间范围内按照拟定的坐标系划分成长短相同的网格，其中的每一个网格点代表一种参数组合，通过将每一种参数组合带入到支持向量回归中进行验证，使得结果最优的网格点即为最优参数组合。本文将惩罚因子C，核参数gamma和距离误差epsilon的取值范围都设置为[2⁻¹⁰, 2¹⁰]，在epsilon-SVR模型中指定了模型的类别为epsilon-tube。同时，根据本文所用数据的周期数，对每一种参数组合结合9折交叉验证方法对参数进行检验。在Python中调用SVR包，对归一化处理后的数据采用网格搜索和交叉验证进行循环调试，确定最优参数组合为C = 771.67，gamma = 0.0386，epsilon = 0.0017。预测模型在训练集和测试集上的拟合值曲线，见图7。

图7. 支持向量回归模型下的真实值与预测值

由图7可知，支持向量回归模型在整个样本区间上的拟合效果较好，泛化能力较强。利用该模型预测北京市2020年1月至12月的旅游人数时，测试集前期的预测值和真实值之间有所偏差，2020年2月最为明显，其次是10月和11月，其余大部分月份预测值拟合效果较好，接近旅游人数真实值。造成测试集前期偏差较大的原因主要有两个：其一，本身支持向量回归模型前期对数据的灵敏度不高，且数据样本量较大时训练比较困难，随着训练时间的增加，模型的容错程度所有提升；其二，2019年12月底全国爆发新冠肺炎疫情，在2020年2月12日每日新增确诊人数达到顶点，截止16日全国确诊病例超过7千人，疫情的爆发对全国旅游业造成了深重的影响，各地旅游均处于停滞状态，北京市前九年旅游人数走向基本一致，呈稳定上升态势，而2020年一整年的旅游人数都处于低迷状态，这在很大程度上影响了2020年的预测结果。

模型性能可从模型的拟合程度和泛化能力两方面进行评价，具体来说就是利用训练集误差和测试集误差两个指标进行度量，经过模型拟合训练，得到三个模型在测试集上的预测值，见表9。

表9. 各模型对北京市旅游人数预测结果对比

由表9可知，在2020年12个月的预测中，支持向量回归模型的最优预测值最多，有9个月，而随机森林和极限梯度提升模型的最佳预测值较少，分别为1个月和2个月。根据每个模型在训练集和测试集上的拟合曲线，可以看到三个模型均能较好地拟合旅游人数训练集部分的时间序列，随机森林模型最为接近，预测值与真实值基本能够重叠，但只有支持向量回归模型能够较好地拟合测试集部分的时间序列，在整个时间序列区间上预测曲线与真实曲线最为接近，更好的拟合旅游人数曲线的动态特征。

为进一步验证结论，选取平均绝对误差(MAE)、均方误差(MSE)和拟合优度(R²)三个评价指标模型拟合预测性能，具体评价指标值见表10。

由表10可知，随机森林模型在训练集上的拟合效果最好，其中R²高达0.9826，但在测试集上的各种误差值均较大，预测精度最差，R²仅为0.5152。极限梯度提升模型在训练集上各评价指标值与随机森林模型相差不大，在测试集上稍有进步，而支持向量回归模型在训练集评价指标值一般，还能保证在测试集上的拟合优度R²为0.8595，拟合效果较好。总结来看，三种模型的拟合效果都较好，支持向量回归模型相比前两个模型具有较好的泛化能力。即使2020年旅游经济受到疫情影响，旅游人数数据变动趋势较往年变化太大，在这种影响下，支持向量回归模型仍然能够取得较好的预测效果。

表10. 各模型的性能评价指标对比