企业官网建设流程全解析

简介：这份毕业设计文档面向统计学、数据分析及旅游管理相关专业的本科生与研究者，围绕旅游人数预测这一实际问题，以青岛市2000至2012年各季度旅游人数为样本，系统比较多项式插值、拟合模型、余弦趋势拟合与ARIMA时间序列模型的预测效果，最终验证ARIMA模型在刻画季节性波动与自相关性上的优势。资源包内含1个doc文件，约924KB，涵盖绪论、旅游人数分析研究、基于ARIMA模型的预测分析及结论等完整章节，并附有MATLAB与R软件的实现思路、建模步骤与参考文献，可直接作为毕业设计写作模板或时间序列分析的学习范例。目前已有258人学习下载，适合需要掌握ARIMA建模流程、季节模型预测方法及论文结构组织的读者参考借鉴。

1. 旅游人数预测这件事，ARIMA 到底能不能扛住真实数据

做旅游人数预测的毕业设计，最怕的不是模型跑不通，而是跑通了却解释不了结果。我见过太多同学拿着某景区三年的月度客流数据，直接往 ARIMA 里一塞，出来的预测曲线跟实际值差出一大截，答辩时被问「你这个 p、d、q 怎么定的」就卡住了。ARIMA 模型在时间序列分析里属于经典中的经典，MATLAB 和 R 语言都有成熟的实现，但它的前提条件比想象中苛刻：序列要平稳、季节性要处理干净、残差要白噪声。旅游人数数据恰恰是典型的非平稳序列，有旺季淡季的周期性波动，还有节假日带来的脉冲式异常值。这篇内容就是围绕「基于 ARIMA 模型的旅游人数预测分析」这个题目，把从数据预处理到模型定阶、从参数估计到预测评估的完整链路拆开讲清楚。适合正在做相关毕业设计、需要一套可复现流程的同学，也适合想用 R 或 MATLAB 快速验证 ARIMA 在真实业务数据上表现的从业者。

2. 数据准备与平稳性检验：旅游人数序列的预处理链路

2.1 旅游人数数据的获取与清洗

旅游人数数据通常来自统计年鉴、文旅部门公开报表或景区票务系统导出。拿到手的原始数据大概率是月度或季度粒度，字段包括时间戳和接待人次。常见的问题是缺失值和异常值：某个月因为统计口径调整出现断崖式下跌，或者某个黄金周数据被重复计入。我一般先用 R 的read.csv读入，然后做三件事：统一时间格式、标记缺失位置、用线性插值补缺。注意不要用均值填充，旅游数据的季节性很强，均值填充会抹掉周期特征。

# 读取旅游人数数据，假设文件包含 date 和 visitors 两列 raw_data <- read.csv("tourism_visitors.csv", stringsAsFactors = FALSE) # 统一日期格式为年月，便于后续按月聚合 raw_data$date <- as.Date(paste0(raw_data$date, "-01"), format = "%Y-%m-%d") # 检查缺失值分布 missing_idx <- which(is.na(raw_data$visitors)) cat("缺失值位置：", missing_idx, "\n") # 线性插值补缺，注意用 zoo 包的 na.approx library(zoo) raw_data$visitors <- na.approx(raw_data$visitors, na.rm = FALSE) # 绘制原始序列图，肉眼判断趋势和周期 plot(raw_data$date, raw_data$visitors, type = "l", xlab = "时间", ylab = "旅游人数", main = "原始月度旅游人数序列")

这段代码的逻辑是先补全时间索引，再处理缺失。na.approx做线性插值，适合缺失点前后趋势连续的场景。如果缺失段跨越旺季淡季切换点，插值会失真，这时候要考虑用季节性分解后的趋势项和季节项分别插值再合成。参数上，na.rm = FALSE保证返回序列长度不变，方便后续对齐。

2.2 平稳性检验：ADF 检验与差分阶数 d 的确定

ARIMA 的「I」就是差分，目的是把非平稳序列变成平稳序列。旅游人数序列通常有增长趋势和年度周期，一阶差分能去掉趋势，但季节性差分才能去掉周期。我一般先做 ADF 检验看原始序列是否平稳，不平稳就做一阶差分，再检验，还不平稳就考虑季节性差分。R 里用tseries包的adf.test，MATLAB 里用adftest。

library(tseries) # 原始序列 ADF 检验 adf_original <- adf.test(raw_data$visitors) cat("原始序列 ADF p 值：", adf_original$p.value, "\n") # 一阶差分 diff1 <- diff(raw_data$visitors, differences = 1) adf_diff1 <- adf.test(diff1) cat("一阶差分后 ADF p 值：", adf_diff1$p.value, "\n") # 如果一阶差分后仍不平稳，做季节性差分（假设周期为 12） diff_seasonal <- diff(diff1, lag = 12) adf_seasonal <- adf.test(diff_seasonal) cat("季节性差分后 ADF p 值：", adf_seasonal$p.value, "\n")

ADF 检验的原假设是「序列存在单位根，即非平稳」。p 值小于 0.05 才拒绝原假设，认为序列平稳。实际操作中，一阶差分后 p 值往往能降到 0.05 以下，但如果数据有强年度周期，一阶差分后的 ACF 图会在 lag 12 处仍有显著尖峰，这时候 d 取 1 不够，还要加季节性差分，对应 SARIMA 模型。注意差分次数不是越多越好，过度差分会让序列方差变大，模型参数估计不稳定。

2.3 用 ACF 和 PACF 图初判 p 和 q 的范围

差分后的序列要用来定 AR 阶数 p 和 MA 阶数 q。ACF 拖尾、PACF 截尾，说明是 AR 过程；ACF 截尾、PACF 拖尾，说明是 MA 过程；两者都拖尾，就是 ARMA。旅游人数数据差分后常见的是 ACF 在 lag 1、2 有超出置信边界的尖峰，PACF 也在 lag 1、2 有尖峰，说明 p 和 q 可能都在 1 到 2 之间。

# 绘制差分后序列的 ACF 和 PACF par(mfrow = c(1, 2)) acf(diff1, main = "一阶差分序列 ACF", lag.max = 24) pacf(diff1, main = "一阶差分序列 PACF", lag.max = 24) par(mfrow = c(1, 1))

看图时注意置信边界是 ±1.96/√n，n 是样本量。如果样本只有 36 个月，边界很宽，很多尖峰可能不显著，这时候不要硬定高阶模型，宁可先用低阶试。我一般会同时看 AIC 和 BIC，用auto.arima做初步筛选，再手动调整。

3. 模型定阶与参数估计：从 auto.arima 到手动调参

3.1 用 auto.arima 快速锁定候选模型

R 的forecast包里的auto.arima是毕业设计里最省事的工具，它基于 AICc 做逐步搜索，能自动给出 p、d、q 和季节性 P、D、Q 的建议值。但自动不等于正确，它给出的模型需要你用残差检验去验证。

library(forecast) # 将数据转为 ts 对象，频率设为 12 表示月度数据 ts_data <- ts(raw_data$visitors, frequency = 12, start = c(2020, 1)) # 自动定阶，允许季节性差分 auto_fit <- auto.arima(ts_data, seasonal = TRUE, stepwise = FALSE, approximation = FALSE, trace = TRUE) # 查看模型摘要 summary(auto_fit)

stepwise = FALSE和approximation = FALSE会让搜索更彻底，但计算时间变长。如果数据量不大（比如 5 年 60 个月），可以这么设。trace = TRUE会打印搜索过程，方便你看到 AICc 的变化。输出里的ARIMA(p,d,q)(P,D,Q)[12]就是最终模型结构。注意auto.arima默认用 AICc，样本量小时比 AIC 更保守，不容易过拟合。

3.2 手动定阶：AIC/BIC 矩阵与残差白噪声检验

自动定阶给出的模型不一定最优，我一般会在它建议的阶数附近手动试几组，比较 AIC、BIC 和残差检验结果。比如 auto.arima 给出 ARIMA(1,1,1)(0,1,1)[12]，我会再试 (2,1,1)(0,1,1)[12] 和 (1,1,2)(0,1,1)[12]，看 AICc 是否下降。

# 手动拟合多个候选模型 fit1 <- Arima(ts_data, order = c(1,1,1), seasonal = list(order = c(0,1,1), period = 12)) fit2 <- Arima(ts_data, order = c(2,1,1), seasonal = list(order = c(0,1,1), period = 12)) fit3 <- Arima(ts_data, order = c(1,1,2), seasonal = list(order = c(0,1,1), period = 12)) # 比较 AICc cat("模型1 AICc：", fit1$aicc, "\n") cat("模型2 AICc：", fit2$aicc, "\n") cat("模型3 AICc：", fit3$aicc, "\n") # 对最优候选做残差 Ljung-Box 检验 checkresiduals(fit1)

checkresiduals会输出残差图、ACF 图和 Ljung-Box 检验结果。Ljung-Box 的 p 值大于 0.05 才说明残差没有自相关，模型提取信息充分。如果 p 值很小，说明还有结构没被捕捉，需要增加阶数或检查异常值。我遇到过残差在 lag 12 显著的情况，后来加了季节性 MA 项才通过。

3.3 MATLAB 实现 ARIMA 的等价流程

有些同学用 MATLAB 做毕业设计，arima函数和estimate函数能完成同样的流程。MATLAB 的优势是矩阵运算快，画图方便，但定阶不如 R 的auto.arima自动化程度高，需要手动循环。

% 假设 visitors 是列向量，长度为 n y = visitors; T = length(y); % 一阶差分 dy = diff(y); % 拟合 ARIMA(1,1,1) 模型 Mdl = arima(1,1,1); EstMdl = estimate(Mdl, y); % 残差检验 res = infer(EstMdl, y); [h, p] = lbqtest(res, 'Lags', 12); fprintf('Ljung-Box p 值：%.4f\n', p); % 预测未来 12 个月 [forecast, MSE] = forecast(EstMdl, 12, 'Y0', y);

MATLAB 的arima函数把差分内置在模型里，estimate用最大似然估计参数。lbqtest做 Ljung-Box 检验，forecast输出预测值和均方误差。注意 MATLAB 的arima默认没有季节性结构，要做 SARIMA 得用arima('Seasonality', 12, ...)或者手动做季节性差分后再建模。

4. 预测与评估：把模型放到时间轴上验证

4.1 样本外预测与滚动验证

模型拟合好之后，不能只看训练集上的表现，要做样本外预测。我一般把最后 12 个月留作测试集，用前 n-12 个月训练，预测后 12 个月，算 MAPE 和 RMSE。更严格的做法是滚动预测：每次用前 t 个月预测第 t+1 个月，然后窗口前移。

# 划分训练集和测试集 n <- length(ts_data) train <- window(ts_data, end = time(ts_data)[n-12]) test <- window(ts_data, start = time(ts_data)[n-11]) # 用训练集拟合模型 fit_train <- Arima(train, order = c(1,1,1), seasonal = list(order = c(0,1,1), period = 12)) # 预测测试集 pred <- forecast(fit_train, h = 12) # 计算 MAPE 和 RMSE mape <- mean(abs((test - pred$mean) / test)) * 100 rmse <- sqrt(mean((test - pred$mean)^2)) cat("MAPE：", mape, "%\n") cat("RMSE：", rmse, "\n") # 绘制预测对比图 plot(pred, main = "ARIMA 预测 vs 实际", xlab = "时间", ylab = "旅游人数") lines(test, col = "red", lwd = 2) legend("topleft", legend = c("预测", "实际"), col = c("blue", "red"), lty = 1)

MAPE 低于 10% 算不错，低于 5% 算很好。旅游数据受节假日影响大，MAPE 在 8% 到 15% 之间都算正常。如果 MAPE 超过 20%，要检查是不是有异常值没处理，或者模型阶数不对。RMSE 的单位和原始数据一致，方便解释绝对误差。

4.2 预测结果的可视化与业务解释

毕业设计的答辩老师往往更关心「你的预测对业务有什么意义」。我一般会在预测图上标注旺季和淡季，说明模型捕捉到了哪些周期特征。比如预测显示明年 7 月客流高峰比今年高 12%，那就可以建议景区提前增加临时工和接驳车。注意不要过度解读单点预测，ARIMA 的预测区间随着步长增加会变宽，12 个月后的预测置信区间可能很大，这时候要强调区间估计而不是点估计。

# 绘制带置信区间的预测图 plot(pred, main = "旅游人数预测（含 80% 和 95% 置信区间）", xlab = "时间", ylab = "旅游人数", col = "blue") lines(test, col = "red", lwd = 2) # 标注置信区间 polygon(c(time(pred$mean), rev(time(pred$mean))), c(pred$lower[,2], rev(pred$upper[,2])), col = rgb(0, 0, 1, 0.1), border = NA)

置信区间的宽度直接反映预测不确定性。如果 95% 区间宽到没有业务参考价值，说明模型对长期预测能力有限，这时候可以建议用滚动预测，每次只预测下一个月，用最新数据更新模型。

5. 避坑与排查：ARIMA 旅游预测里最容易翻车的五个点

5.1 现象：ADF 检验 p 值一直大于 0.05，差分后还是不平稳

原因：旅游人数序列可能有结构突变，比如疫情导致某一年数据整体下移，这种突变不是差分能消除的。或者数据频率太低，季度数据只有 12 个点，ADF 检验功效不足。

解决：先画图看有没有明显的水平跳跃，如果有，考虑加虚拟变量或者分段建模。样本量太小时，不要死磕 ADF，结合 ACF 图和业务判断，直接定 d=1 或 d=2。

5.2 现象：auto.arima 给出的模型残差 Ljung-Box 检验不通过

原因：auto.arima 默认用近似计算，可能漏掉高阶项或季节性项。或者数据里有未处理的异常值，残差被异常值拉偏。

解决：关掉approximation和stepwise重新搜，或者手动在 auto.arima 建议的阶数附近加一阶。检查异常值用tsoutliers包，把异常值识别出来加脉冲或阶梯干预。

5.3 现象：预测值在旺季明显偏低，淡季明显偏高

原因：模型没有充分捕捉季节性，可能是季节性差分阶数 D 设错了，或者 SARIMA 的季节性 MA 项阶数不够。

解决：检查 ACF 图在 lag 12、24 处是否有显著尖峰，如果有，增加季节性 MA 项。用Arima函数手动指定seasonal = list(order = c(P,D,Q), period = 12)，试几组 P 和 Q。

5.4 现象：MAPE 很低但预测图看起来完全不对

原因：MAPE 对低值敏感，如果测试集里有几个月旅游人数接近零，MAPE 会被放大或缩小，掩盖真实误差。或者测试集恰好落在平稳段，没有覆盖旺季。

解决：同时看 RMSE 和预测图，不要只信 MAPE。测试集要覆盖至少一个完整年度周期，否则评估结果不可靠。

5.5 现象：MATLAB 和 R 跑出来的参数估计值差很多

原因：两个工具的优化算法和初始值不同，ARIMA 的似然函数可能有多个局部极值。数据预处理方式不一致也会导致差异，比如 R 的auto.arima默认做季节性差分，MATLAB 的arima不会自动做。

解决：统一预处理流程，都在差分后再建模。比较参数时看置信区间是否重叠，如果重叠，说明差异在统计上不显著。以残差检验通过的模型为准，不要纠结绝对值。

6. 进阶技巧：用 SARIMA 和外部变量把预测误差再压一压

ARIMA 的局限在于它只用序列自身的历史信息。旅游人数受节假日、天气、经济指标影响，把这些外部变量加进去，用 ARIMAX 或 SARIMAX，往往能把 MAPE 再降 2 到 3 个百分点。R 的Arima函数支持xreg参数，可以把节假日虚拟变量、气温、CPI 等作为回归项。

# 构造外部变量：节假日天数和月平均气温 holiday_days <- c(8, 10, 9, 8, 10, 9, 8, 10, 9, 8, 10, 9) # 示例，需按实际年份调整 temperature <- c(5, 8, 12, 18, 23, 28, 32, 31, 27, 20, 14, 8) # 示例 # 构造 xreg 矩阵，长度与训练集一致 xreg_train <- cbind(holiday_days[1:length(train)], temperature[1:length(train)]) # 拟合带外部变量的 ARIMA 模型 fit_xreg <- Arima(train, order = c(1,1,1), seasonal = list(order = c(0,1,1), period = 12), xreg = xreg_train) # 预测时需要提供未来外部变量 xreg_test <- cbind(holiday_days[(length(train)+1):length(ts_data)], temperature[(length(train)+1):length(ts_data)]) pred_xreg <- forecast(fit_xreg, h = 12, xreg = xreg_test) # 比较带外部变量和不带外部变量的 MAPE mape_xreg <- mean(abs((test - pred_xreg$mean) / test)) * 100 cat("带外部变量 MAPE：", mape_xreg, "%\n") cat("不带外部变量 MAPE：", mape, "%\n")

外部变量的选择要谨慎，不是越多越好。我一般先加节假日虚拟变量，因为旅游数据对节假日最敏感。气温对自然景区影响大，对城市观光影响小，要看具体场景。注意xreg的长度必须和训练集或预测集严格对齐，差一个点就会报错。

另一个技巧是组合预测：把 ARIMA 的预测值和指数平滑的预测值加权平均。旅游数据里，ARIMA 擅长捕捉自相关，指数平滑擅长跟踪水平变化，两者互补。权重可以用历史误差的倒数来定，简单有效。

# 指数平滑预测 ets_fit <- ets(train) pred_ets <- forecast(ets_fit, h = 12) # 加权组合，权重按历史 MAPE 倒数分配 w_arima <- 1 / mape w_ets <- 1 / mean(abs((test - pred_ets$mean) / test)) * 100 w_sum <- w_arima + w_ets pred_combined <- (w_arima * pred$mean + w_ets * pred_ets$mean) / w_sum # 组合后的 MAPE mape_combined <- mean(abs((test - pred_combined) / test)) * 100 cat("组合预测 MAPE：", mape_combined, "%\n")

组合预测的代码不复杂，但效果经常出乎意料。我在几个景区数据集上试过，组合后的 MAPE 比单一 ARIMA 低 1 到 2 个百分点。注意权重不要用未来数据算，要用训练集上的滚动误差，否则就是数据泄露。

最后说一个我自己的习惯：每次定完阶，先把模型方程写出来，对着系数符号和大小判断合理性。比如旅游人数的 AR(1) 系数通常是正的，因为今年客流好，明年大概率也不差。如果系数是负的，要么数据有问题，要么模型设定错了。这个习惯帮我省了很多返工时间。希望帮到你。

本文还有配套的精品资源，点击获取