改革开放40年来,国民生活水平得到了大幅度的提升,旅游业得到了迅猛发展,数据表示:中国已经是世界第一大出境旅游客源国和全球第四大入境旅游接待国,2017年国内旅游人次已经达到50亿人次,旅游业已然成为国家重要的综合性大产业,《“十三五”旅游业发展规划》更是对我国旅游产业的发展提出了更高的要求,《规划》不仅要求了城乡居民出游人数年均增长10%左右,更是明确提出了要让人民群众出游更加满意。然而随着国民出游意愿的激增,国内一些著名的旅游景区、城市的游客接待量节节攀高,尤其是长假期间,超过景区负载能力的游客量不仅对景区的生态环境造成了严重的影响,更是对游客的生命安全造成了危害,2014年跨年上海外滩的踩踏事件、2012年的国庆黄金周陕西华山的恶性伤人事件,都还历历在目。为了避免此类惨剧的发生,同时也为了避免游客量的骤增对景区生态环境造成无法挽回的破坏,因此如何对全国重要旅游景区的旅游需求进行科学、合理的预测变得十分重要。本硕士学位论文详细介绍了景区游客量预测模型的建模原理:即在互联网高度发达的今天,游客在出游前常常使用搜索引擎搜索景区对目的地的各项旅游信息进行查询以提高旅游体验,这构成了利用网络搜索数据预测景区游客量的客观基础,由于百度目前是国内使用率最高的搜索引擎,因此本文使用百度指数作为网络搜索数据。同时也介绍了各预测模型建模和模型检验的理论基础。本文以上海迪士尼乐园每日实际入园游客量数据作为研究对象,分析该序列的基本特征,对原序列取对数后进行建模。首先将引入经典的时间序列模型(ARMA模型),探讨利用时间序列自身的动态相关关系建模。接着,在ARMA模型基础上,通过引入对游客量可能存在作用的影响因素,包括基于百度指数的搜索量、节假日影响因素、天气影响因素等,构建ARDL模型进行建模。ARDL模型的作用体现在两个方面:一方面,提升ARMA模型的建模效果;另一方面,验证基于百度指数的搜索量对游客量具有影响作用。最后,考虑到前两个模型均为线性模型,而游客量可能存在非线性特征,因此引入基于数据挖掘技术的SVR模型,通过SVR模型探讨游客量的非线性特征。在建立ARDL模型时,需要选取合适的关键词,并确认关键词百度指数序列和游客量序列之间存在协整关系和格兰杰因果关系,之后利用这些关键词的百度指数序列建立ARDL模型,并将天气、节假日(周六、暑假、三天小长假、七天长假)信息引入虚拟变量以提高模型拟合效果;在建立SVR模型时,将ARDL建模时显著变量作为输入项以拟合模型。然后用拟合的模型进行滚动时间窗口样本外数据预测,引入3种损失函数,对这几种模型的预测效果进行评估,最终发现ARDL模型的拟合效果,明显高于ARMA模型,同时SVR模型的预测精度要明显高于ARDL模型和ARMA模型。