Matches in SemOpenAlex for { <https://semopenalex.org/work/W2913789969> ?p ?o ?g. }
Showing items 1 to 68 of
68
with 100 items per page.
- W2913789969 endingPage "64" @default.
- W2913789969 startingPage "51" @default.
- W2913789969 abstract "مقدمه:.یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری و پیش بینی درست آن است. اما باید توجه داشت که فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی وجود دارد. استفاده از روش‌های علمی و نوین در امر پیش بینی، باعث خواهد شد که نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شوند که مقاله حاضر نیز همین هدف را در حوزه گردشگری پزشکی دنبال می‌کند. روش ها: در مرحله اول عوامل موثر بر تقاضای گردشگری پزشکی داخلی با استفاده از تکمیل پرسش نامه های مربوط به روش دلفی فازی و دیمتل فازی توسط ۳۱ نفر از خبرگان آشنا به این حوزه و پردازش توسط نرم افزار MATLAB۲۰۱۷aشناسایی شدند و پس از مشخص شدن تابع تقاضا و جمع آوری اطلاعات ماهیانه هر یک از عوامل موثر در بازه زمانی سال های ۱۳۸۱ تا ۱۳۹۴، سه مدل پیش بینی رگرسیون، شبکه عصبی فازی و الگوریتم SVR به صورت مجزا و ترکیبی برای این تابع در نرم افزار MATLAB اجرا و خطای پیش بینی هریک، اندازه گیری و با هم مقایسه شد. یافته ها: نتایج پژوهش حاضر نشان داد که تابع تقاضای گردشگری پزشکی داخلی شامل: عوامل اقتصادی (درآمد و ثروت افراد )، قیمت خدمات و هزینه زندگی در مقصد، قیمت تاسیسات اقامتی، وجود آلودگی هوا، قیمت محصولات جایگزین (سفر خارجی)، تعداد مراکز پزشکی، بیمارستان‌هاو آزمایشگاه‌ها است.نتیجه گیری: رویکرد ترکیبی رگرسیون چندگانه و الگوریتم SVR پیشنهادی نیز می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری پزشکی داخلی داشته باشد. بنابراین، پیشنهاد می شودبه منظور کاهش میزان خطای پیش بینی جهت انجام برنامه ریزی های اصولی در حوزه تقاضای گردشگری پزشکی داخلی شهر تهران از این تابع تقاضا و مدل پیش بینی استفاده شود.واژه های کلیدی: شبکه عصبی فازی، الگوریتمSVR، پیش بینی تقاضای گردشگری پزشکی داخلی، تهران، مدل سازی" @default.
- W2913789969 created "2019-02-21" @default.
- W2913789969 creator A5005240078 @default.
- W2913789969 creator A5014225779 @default.
- W2913789969 creator A5021969362 @default.
- W2913789969 creator A5042355045 @default.
- W2913789969 date "2019-01-01" @default.
- W2913789969 modified "2023-09-26" @default.
- W2913789969 title "Hybrid modeling for forecasting domestic medical tourism demand in Tehran" @default.
- W2913789969 cites W2013311305 @default.
- W2913789969 cites W2020832745 @default.
- W2913789969 cites W2113734877 @default.
- W2913789969 cites W657266375 @default.
- W2913789969 doi "https://doi.org/10.29252/jha.21.74.51" @default.
- W2913789969 hasPublicationYear "2019" @default.
- W2913789969 type Work @default.
- W2913789969 sameAs 2913789969 @default.
- W2913789969 citedByCount "1" @default.
- W2913789969 countsByYear W29137899692021 @default.
- W2913789969 crossrefType "journal-article" @default.
- W2913789969 hasAuthorship W2913789969A5005240078 @default.
- W2913789969 hasAuthorship W2913789969A5014225779 @default.
- W2913789969 hasAuthorship W2913789969A5021969362 @default.
- W2913789969 hasAuthorship W2913789969A5042355045 @default.
- W2913789969 hasBestOaLocation W29137899691 @default.
- W2913789969 hasConcept C127413603 @default.
- W2913789969 hasConcept C144133560 @default.
- W2913789969 hasConcept C162853370 @default.
- W2913789969 hasConcept C166957645 @default.
- W2913789969 hasConcept C18918823 @default.
- W2913789969 hasConcept C193809577 @default.
- W2913789969 hasConcept C205649164 @default.
- W2913789969 hasConcept C2776225096 @default.
- W2913789969 hasConcept C2781321835 @default.
- W2913789969 hasConcept C42475967 @default.
- W2913789969 hasConcept C75545042 @default.
- W2913789969 hasConceptScore W2913789969C127413603 @default.
- W2913789969 hasConceptScore W2913789969C144133560 @default.
- W2913789969 hasConceptScore W2913789969C162853370 @default.
- W2913789969 hasConceptScore W2913789969C166957645 @default.
- W2913789969 hasConceptScore W2913789969C18918823 @default.
- W2913789969 hasConceptScore W2913789969C193809577 @default.
- W2913789969 hasConceptScore W2913789969C205649164 @default.
- W2913789969 hasConceptScore W2913789969C2776225096 @default.
- W2913789969 hasConceptScore W2913789969C2781321835 @default.
- W2913789969 hasConceptScore W2913789969C42475967 @default.
- W2913789969 hasConceptScore W2913789969C75545042 @default.
- W2913789969 hasIssue "74" @default.
- W2913789969 hasLocation W29137899691 @default.
- W2913789969 hasOpenAccess W2913789969 @default.
- W2913789969 hasPrimaryLocation W29137899691 @default.
- W2913789969 hasRelatedWork W198062355 @default.
- W2913789969 hasRelatedWork W2128205499 @default.
- W2913789969 hasRelatedWork W2183117573 @default.
- W2913789969 hasRelatedWork W2593395409 @default.
- W2913789969 hasRelatedWork W2909330138 @default.
- W2913789969 hasRelatedWork W2981922317 @default.
- W2913789969 hasRelatedWork W3025474702 @default.
- W2913789969 hasRelatedWork W3046426858 @default.
- W2913789969 hasRelatedWork W3118701921 @default.
- W2913789969 hasRelatedWork W598782332 @default.
- W2913789969 hasVolume "21" @default.
- W2913789969 isParatext "false" @default.
- W2913789969 isRetracted "false" @default.
- W2913789969 magId "2913789969" @default.
- W2913789969 workType "article" @default.