前言：中文期刊网精心挑选了人工智能市场调查范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能市场调查范文1
网友提问：连日来，世界冠军李世石与“阿狗”力战3局，战况可谓空前激烈、惊心动魄，最终李世石以0：3不敌“阿狗”。此一战，人类遭遇完败，我们该如何看待这场人类智能与人工智能的巅峰对决？
刘慈欣：1997年IBM的超级计算机“深蓝”战胜了国际象棋冠军弗加里・卡斯帕罗夫；2015年10月“阿狗”以5：0战胜欧洲围棋冠军樊麾；这次“围棋人机大战”中“阿狗”再度力克世界冠军李世石。实际上，前两次的比赛就已经能够证明计算机在棋类方面超越人类，结果属于意料之中。虽然围棋在复杂程度和组成数量上远超国际象棋，它最多有3361种局面，这个数字大概是10170，比已观测到的宇宙中的原子数量还多。但不管怎样，计算机下棋的思维方式没有发生根本变化，可以说本质上是一样的。
计算机在很多方面超越人类已经是不争的事实，这点毋庸置疑。相较于前两次人类与计算机的对决，这次比赛的进步之处在于计算机的处理速度、数据库容量、检索和分类速度都有巨大提高。但总体来看，仍属于量变，而不是质变。对于人工智能技术而言，想要实现计算机模拟人的意识、思维以及信息判断，还需要计算机技术从本质上发生变化。举个例子，人工智能技术中包括模式识别功能，当前计算机能够识别出人的面孔，但是还不能理解表情，更无法通过人的肢体动作获取人类内心的想法。
网友提问：据谷歌公司介绍，“阿狗”已经拥有了极强的学习能力。“围棋人机大战”中，面对李世石“奇招”，“阿狗”从容应对，似乎看出它除了有超强的计算能力之外，还具备了一定的学习能力。如果它具备了这种能力，那成熟的人工智能技术离我们还远吗？ 李世石（中）
刘慈欣：从“阿狗”的表现来看，它主要展示出的能力还是计算机基本逻辑推理能力，至于谷歌所说的学习能力还没有得到完全验证。从人工智能的角度来讲，计算机最需要向人类学习的能力是基于有限信息基础上所产生的想象力和判断力，当计算机的逻辑推理能力和这些能力实现完美结合时，才意味着人工智能进入成熟阶段。
当前距离实现成熟的人工智能技术还很遥远，甚至可以说，未来能不能实现还是个谜。因为有两个重要的技术屏障无法突破，一是当前冯・诺依曼型计算机还不具备模拟人脑的强大能力；二是脑科学的发展速度仍然缓慢，人类对于自身大脑详细的深层结构和运作方式知之甚少。如果脑科学无法实现重大突破，那产生真正意义上的人工智能就是天方夜谭。
如《三体》中所说，当半人马座α星人发现地球存在生命体后，派出智子将人类的基础科学锁死，因为只要基础科学不能实现重大突破，那么应用型科学的发展是有瓶颈的。同样，人工智能技术的发展也遵循这个道理，在人工智能技术之下还有更为基础的计算机科学、脑科学等领域，只有这些科学技术取得重大突破后，人工智能技术才能迎刃而解。
另外，有些网友对人工智能心怀恐惧，这是大可不必的。假如有朝一日成熟的人工智能技术真的诞生了，人类还是有很多办法可以对它进行约束的。 李世石专心参赛
网友提问：作为人工智能程序的“阿狗”还需要进一步提升、完善，谷歌公司的负责人也表示，希望通过“围棋人机大战”找出它的弱点。不过经此一战，人类已经见识到了人工智能技术的强大能量，那么未来当这种技术成熟后，人类生活会发生哪些变化呢？
刘慈欣：这个现在还无法进行预测，不过可以肯定的是，人工智能的出现，意味着人类所做的很多事情都可以完全被计算机、机器人所替代。而且可以断定，计算机、机器人能凭借它们强大的能力帮助人类做出更多出色的成绩。到那时，机器人会走入家庭，像朋友一样与人类相处，甚至还可能为成为人类家庭中的一员。
将思路拉回现实，“围棋人机大战”再次让科技成为舆论热点，并引发公众对基础科学的高度关注，对于科学推广与普及有着积极的意义，会让越来越多的人真实感受到科学技术的魅力，从而产生浓厚的兴趣。同时，对于国家一直以来倡导的科技创新理念也有助推意义，相信人工智能技术会因此受到各方面的关注，吸引更多国家、企业与个人投入力量进行研究。
延伸阅读：
AlphaGo赢了之后 人工智能的必然
20年前，IBM的计算机“深蓝”打败了国际象棋世界冠军卡斯帕罗夫，当时引起不少讨论与关注。而被视为“智力巅峰”的围棋，却是计算机所遇到的一个壁垒，一直无法攻破。如今历史终于被打破，当学习了人类职业棋手和顶尖棋手上万份的棋谱，并且进行了上千万场次自我博弈的AlphaGo出现时，不得不说这是一次质的飞跃。《自然》杂志总结了AlphaGo具备的四套重要算法，如走棋网络、快速走子、估值网络、蒙特卡罗树搜索等，已然具备了高水平的智能决策。
有人质疑AlphaGo没有情感，没有创造力，那么试想如果在比赛前不告诉人类，他对战的是AlphaGo，人类多半会肯定对方棋手的创造力。因为此前，机器的创造力一直不被人类认可，它们看上去死板而且麻烦。但是随着技术的发展，它们变得越来越简易而又快速，甚至成了必不可缺的“助手”。在大量工作中，按照固定流程处理的步骤正在变得完全自动化，而且这些自动化的流程还会像AlphaGo那样，在多种算法与自我博弈中寻求最佳优化。虽然不是每一个公司都像世界级棋手那样高超得屈指可数，但还是有大量公司对人工智能带来的智能水平优化趋之若鹜。
说到这里，不得不提一下，人类对于人工智能的恐惧也是有道理的。技术不一定带来大面积的失业，但是却会带来大量工作转移。大量的白领工作正在被人工智能优化，大量的机械生产管理有了全新的智能流程，大量的市场调查与分析具备新的智能水平，这是一种必然。
人工智能市场调查范文2
【关键词】智能 食品包装 创新能力
随着时代的发展，人们的环保和健康意识也在不断增强，要求食品包装不仅要外观精美、结构合理，更要有良好的保质和防伪功能。随着智能材料在包装行业的不断应用，于是出现了“智能包装”的概念。智能包装可以控制食品质量，提供食品品质信息，有效延长食品的货架寿命和食品的新鲜品质，能够最大限度地保持食品的质量和营养价值。
面对非常具有发展潜力的食品包装行业，研究其智能化技术的应用与发展具有十分重要的意义。目前，在食品上所采用的智能包装技术主要有以下几种。
一是自适应包装技术，即模拟食品所需的环境参数，而自动调节食品在储藏与转移中的环境变化，使包装中的环境能最大限度的实现食品的储藏与保质。
二是显窃启包装技术，是指为防止开启、偷换、撕破等行为对物品采取的某些特别技术措施。
三是可跟踪性运输包装，即指在运输和流通中包装物品及容器被全程跟踪，以便管理者及时完成对其流通渠道和运输路径优化调整的包装。
四是智能标签，主要作用是可以警示食品的保鲜程度，保证食品的食用安全。
本课题探索智能食品包装技术在研究生创新能力培养中的应用，将学科前沿问题在研究生教育中加以渗透，培养研究生创新能力，使学生在汲取基本技术的同时增强了“智能技术创新”的意识，掌握更扎实的技能，从而能够更好的为食品包装行业的发展服务。
1 研究目标
（1）宏观上：将“智能技术”理念融入研究生教育之中，结合研究生专业课程，加大“智能技术”相关文献的查阅和知识的学习，增加相关包装实验方面的实践，使学生领悟“智能”精髓，提高学生研究创新能力，从而能够更好的为食品包装行业的发展服务。
（2）微观上：在研究生培养过程中，结合科学研究增加具有人工智能的相关内容，同时强化实践环节训练，增加学生研究“智能食品包装”的基本技术及培养学生适应社会形势的能力。
2 主要研究内容
（1）调查国内市场各种智能技术在食品包装上的应用现状，研究其发展方向。
（2）在包装材料选择的基础上，研究智能包装新技术。
（3）不仅着眼于新技术开发本身，与其相关的物流过程也需在研究范围之内，通过研究开发高智能一体化物流包装过程。
（4）让研究生参与市场调查环节，使其了解市场动态，具备研究的创新意识。
（5）在研究生的科研阶段，增加材料科学、人工智能相关文献的查阅和知识的学习及相关包装专业实验，提高学生的研究创新能力。
3 实施步骤（如图）
4 研究生培养应用探索
在研究生培养过程中，将“智能包装”的设计理念引入研究生教育中，在已培养的4名研究生的研究工作中，分别进行了“池沼公鱼在冷链物流中保鲜技术的研究”、“南美对虾保鲜效果的研究”、“保鲜剂结合气调包装在多宝鱼保鲜中的应用研究”和“鲜切杏鲍菇的保鲜研究”等方面的食品保鲜技术研究，将气调包装、纳米保鲜剂、短波紫外线辐照等技术应用于水产品和农产品的保鲜研究中，可以起到较好的保鲜效果。
（1）气调包装在多宝鱼保鲜中的应用。将购进的新鲜多宝鱼用冰水冲洗干净，用滤纸将鱼表面的水吸干，将PE/PET干式复合聚酯薄膜保鲜袋标记称重后，每袋约装入约50g左右的鱼块，称重，记录数据。实验设定为三组不同比例的气调包装，以及空气跟真空气调这两组对照组。实验分组每组有两个平行试样，分组如表1所示。
将装在PE/PET干式复合聚酯薄膜保鲜袋的样品放在MAP-QT200型的扎口机上进行气调抽真空，然后在用MAP-WD500型的气调充气包装机进行样品封口。气调包装热封后迅速放入4℃的冷藏条件下进行贮藏。将多宝鱼分组进行气调包装之后，立即对第0天的多宝鱼进行感官评价以及汁液流失率、色差、菌落总数、TVB-N值、TBA值、pH值、质构分析测定并记录数据，此后每隔三天按标记好的组号测定样品的鲜度指标，实验表明气调组具有较好的保鲜效果。
（2）纳米保鲜剂在南美对虾保鲜中的应用。将活体南美对虾添加少许冰块，充氧气包装后保活运输至实验室，对样品南美对虾进行拣选，挑除死虾、残虾，选取大小均匀的南美对虾作为实验样品，马上用碎冰使其休克失活，随机分组。清水冲洗后沥干，按照实验设计放入纳米银水溶液和纳米银/壳聚糖涂膜溶液中（纳米银浓度为0.5mg/L），浸泡3min后捞出沥干，分别装入PE/PET薄膜保鲜袋中，实验分组如表2所示，随即转到冰箱内冷藏（4℃），隔天开始指标检测，检测间隔时间为2天。
通过感官检测、菌落总数、TVB-N、 PH值、PPO活性、汁液流失率及弹性等指标测定样品的鲜度，实验结果表明纳米银/壳聚糖涂膜在南美对虾的抑菌保鲜能起到一定的积极作用。
（3）短波紫外线辐照在鲜切杏鲍菇保鲜中的应用。选择菇体完整、颜色洁白、无病虫害和机械损伤的市售杏鲍菇进行实验。将新鲜杏鲍菇用蒸馏水清洗干净，然后用大孔筛盘沥干水分，切成5mm左右的薄片，然后进行UV-C处理。用紫外灯进行短波紫外照射，灯管与鲜切杏鲍菇距离30cm，辐照时间分别为2min、6min和10min，辐照半程前后反转样品，使其受照均匀。将处理过后的样品和未受辐照的对照组样品（CK）分别放入保鲜袋中包装，置于8℃冰箱冷藏柜中。通过失重率、白度、蛋白质含量、感官品质、质构分析、PH值、多酚氧化酶PPO含量、丙二醛MDA含量等指标测定样品的鲜度，实验结果表明短波紫外线处理鲜切杏鲍菇有利于其感官品质、硬度及蛋白质含量的保持，抑制杏鲍菇褐变和PPO活性，降低产品失重率，提高其贮藏保鲜品质。
（4）基于射频识别的多功能包装设计。进行了基于射频识别的多功能包装设计，设计与射频识别系统相结合的传感系统，例如温度检测系统、湿度检测系统，检测内包装中温湿度的变化情况，如果当超出设定的温湿度后，发出警告信号，记录相应的时间、地址等信息，可应用于食品、药品等监控质量的包装。
结语
将“智能技术”理念融入研究生教育之中，可以培养学生的研究创新能力，从而能够更好的为食品包装行业的发展服务。
参考文献
[1]胡兴军，林燕.前景看好的智能包装[J].印刷世界，2010，4：11-14.
[2]高原.食品智能包装体系的研究进展[J].北京农业，2011，36：97.
[3]李杨，陈曲.智能包装技术在我国的发展及应用现状[J].印刷质量与标准化，2011，（12）：14-16.
[4]刘东红，吕飞，叶兴乾.食品智能包装体系的研究进展[J].农业工程学报，2007，23（8）：286-289.
人工智能市场调查范文3
一、大数据时代简介
大数据是时展的必然产物，它是借助于互联网技术所新发展起来的一种网络工具，其特点就在于涉及的数量非常庞大，如果只是采取传统的数据处理方式不能够有效的进行分析处理，需要利用专门的大数据工具才能够对信息进行有效的加工利用。信息在得到处理之后，可以分析数据之间所存在的紧密联系，不同的信息能够折射出不同的规律，将这些规律信息应用到日常的生产和生活当中。例如，如果有效的利用大数据技术对不同的网络社交、购物等平台进行数据分析，就可以得出不同的客户对于不同产品的需求，这有利于结合客户需求对产品进行开发，而且还可以根据分析的结果制定合理的营销策略，打响企业产品的知名度，由此就可以增加企业产品的销售数量，提高企业的利润水平。
二、大数据时代对当前企业市场营销带来的影响
1.企业长期营销计划的制定受到影响
一个企业的营销计划可以说是关乎企业生存的重要决定，直接影响到销售的业绩。随着大数据时代的来临，市场变化莫测，产品周期普遍缩短，这给制定长期的营销计划增加了更多的困难性和不确定性，企业需要根据市场的变化随时调整营销计划，这必须要借助大数据技术才能够精准的掌握市场的变化情况。由此可见，长期营销计划重要性不同传统的销售模式中那么重要，再加上以往的长期营销计划一般要反映企业三年甚至更多的营销情况，但是目前基本上都是以一年为期。
2.传统营销手段的效果逐渐降低
以往的营销方式多见于电视广告、展板等，这样的传统营销方式往往缺乏吸引力，与客户之间不存在互动性，所以必然收不到相应的营销效果。随着互联网时代的来临，越来越多的人开始乐于游览网络上的信息，移动客户端的使用数量也在与日俱增。人们已经开始习惯在移动网络上进行交流，这几乎已经成为了时代的必然发展趋势，那么就要求我们要充分利用大数据技术，将产品展示到不同的网络营销平台上去，只有这样才能够保证企业在新的市场竞争当中保持良好的优势。
3.市场调查方式发生改变
大部分的企业在进行市场调查的时候，往往局限在抽样调查的层面上，但是如果仅仅根据这样的调查结果去对整个市场环境进行预测，制定相应的销售策略，可想而知差异是必然存在的。但是如果采取大数据技术去进行全面的市场调查分析，通过对大量的数据去进行深入研究，得出的预测结果的准确度会更高。很明显，抽样调查显然已经不能够适应当前时代的发展了，不仅如此大数据技术还可以将市场调查从线下转为线上线下综合分析，通过购物平台的信息进行收集，可以收集到不同人群对于产品的了解、需求等等，以此再来调整相应的销售策略，想必一定能够事半功倍。
三、大数据时代背景下对企业市场营销的改进策略
1.采用个性化的营销策略
随着时代的不断变迁，现阶段越来越多尤其是年轻的消费者，消费个性化需求越来越受到追捧，针对这样的营销环境，企业就应当制定出个性化的营销策略，提高营销方式的针对性和独特性。大数据技术在个性化分析上提供了很好的便利，通过该技术可以分析不同用户的信息，辨别不同消费者的需求、爱好等，包括特定消费者的消费习惯、经济能力、购买方式等等，组合不同的产品推荐给客户，可以有效地提升企业产品的销售量。
2.加强客户关系管理
应对激烈的市场竞争最为有效的一个办法就是维护好客户关系，对于客户的需求，尤其是潜在需求要充分了解，企业的管理者要重视客户关系的管理工作。除了传统的客户管理的方式以外，也可以采取大数据技术的管理模式，对于已经掌握的客户信息进行深度分析和挖掘，根据其对应的产品需求，提供最合适的产品，一方面能够更好的笼络住客户，同时也可以有效地增加企业的收入利益。这要求在日常的工作中，客户信息的录入、客户信息更新、定期的分析都是必不可少的，只有这样才能够保证作出正确的判断。
3.改变企业营销部门的人才结构
由于当前大数据技术在越来越多的企业当中得到了有效地应用，但是要想充分的发挥技术优势，就必须有效地改善营销人才结构，要充分的引入大数据专业性的人才，开设专门的岗位为市场营销的数据采集和分析提供技术支持，这也是当今时展的必然趋势要求。
人工智能市场调查范文4
关键词：旅游市场；需求预测；方法
一、引言
旅游需求是旅游市场形成的根本基础，没有旅游需求，旅游市场就无从谈起，旅游产品的价值也就无法实现。因此，对某地旅游产品的需求量是旅游目的地旅游管理部门、旅游企业(景区、旅行社等)和旅游从业人士都十分关切的重要问题。旅游需求的重要性说明，任何一个国家或地区在发展旅游业时，都必须以人们对该国或该地区旅游产品的需求为依据，在此基础上有针对性地开发旅游产品，合理地规划和控制旅游业的开发规模和发展速度，以实现发展区域旅游业的最佳效益。对旅游者需求研究特别是对其消费行为的研究非常重要，中国的旅游业发展需要这方面的研究来指导实践。而消费者的需求和消费行为也随着社会发展不断变化，需要业界不断地追踪研究，与时俱进。旅游者需求与消费行为将始终是中国旅游研究的前沿问题[1]。我国的学者一直以来十分重视这个问题的研究，进行不断地探索，取得了一定的研究成果。
随着我国旅游业的不断发展，旅游活动对社会的影响不断加大，关于旅游需求的研究开始向更深的层次展开，很多不同领域的学者开始介入到旅游需求的研究之中。从旅游目的地的角度研究旅游需求可以指导目的地的旅游产品的开发与规划、旅游企业经营策略，为旅游资源开发与规划等提供科学的依据。
二、旅游市场需求预测研究中的统计分析
利用中国期刊网搜索，从研究内容进行选取，共有137篇文章来探索旅游市场需求预测问题。王铁生(1984)首先发表文章探讨杭州国内旅游需求预测[2]。而1985年12月通过鉴定的《北京旅游发展战略》，其中包含了客源市场调查研究篇幅，从内容上看，包括了客源市场预测、市场发展战略、旅游者行为分析等；从方法上看，使用了大规模的问卷抽样调查，并进行了旅游市场预测研究，在全国具有领先意义[3]。从此开始，我国学者对旅游需求预测进行不断研究和探索。
(一)文献数量统计
从文献的时间动态分布统计中看出(见图1)，我国学者从20世纪80年代中期开始进行旅游市场需求预测研究，在20世纪80年代仅有4篇相关文献。而持续进行此方面的研究始于20世纪90年代中期。我国学者陆续开始进行旅游市场需求预测的研究。从1996-2004年，文献数量基本持平，但总体上略有递增趋势。近几年(2005-)有关旅游市场需求预测的研究又有新的增长，而且增幅很大，尤其是2005年达到15篇，是2004年的3.75倍，2006年达到了20篇，2007年截至到7月份已经有19篇文献，可见我国对旅游市场需求预测的研究真正兴起于最近几年。
(二)研究方法分类统计
国内对旅游需求预测的研究主要是在借鉴国外旅游需求预测方法的基础上做更进一步的探索与分析，不少学者对旅游需求预测方法改进做了大量研究[4]。笔者参考了任来玲(2006)的旅游需求预测分类[5]，将137篇文献按照研究方法进行分类。从传统的研究方法来看，有60.1%的文献采用，其中有15.2%的文献采用了定性研究方法，有44.9%文献采用了定量研究方法，所有的传统研究方法中回归模型的应用最多，达到了24.6%；有39.9%的文献采用了人工智能方法，在人工智能方法中，灰色系统研究方法应用最多，达到了19.6%。
三、旅游市场需求研究轨迹分析
在对137篇文献进行总体统计分析的基础上(结合表1和图1)，根据我国旅游市场需求研究的具体情况，从研究发展的轨迹来看，可以划分为三个阶段：第一个阶段为20世纪80年代，我国的旅游研究起步于改革开放以后的20世纪70年代末期，这个旅游研究处于起步阶段，一直到20世纪80年代末期，我国对旅游市场需求预测的研究仅有很少的学者介入，研究成果很少；第二个阶段为20世纪90年代，我国的旅游研究蓬勃发展，有较多的学者开始对旅游市场需求预测进行研究，从内容和方法都有一定的扩展；第三个阶段为2000年以来。2000年以来，我国的旅游市场需求预测研究在数量上和研究方法上都出现了比较大的变化，虽然回归模型仍然是主要的研究方法，但是已经从简单的一元回归向多元回归、指数回归、多项式回归转变，新的研究方法引入、如神经网络、粗集理论开始应用到旅游市场需求预测之中，而且多种方法的综合应用研究也不断地增加。
(一)零散的摸索起步阶段(20世纪70年代末-80年代末)
在此期间共有5篇相关文献。从研究方法的时间演进看，我国的旅游市场需求预测研究在1990年以前，我国的学者开始进行旅游市场需求预测研究的摸索，在研究方法上主要使用传统的研究方法，虽然以定量方法为主，但是利用的定量方法比较简单，回归模型都是使用了简单的一元线性回归方法，而且都以国民人均收入为自变量。
这一阶段代表性成果有王铁生，葛立成(1984)利用铁路运输、公路运输、水运和空运发送人次对杭州旅游人次进行匡算，并指出了其中的误差。在对杭州市旅游市场需求进行预测中，认为经济发展是衡量国内旅游发展的重要因素，因此，其利用人均国民收入作为自变量用一元回归模型进行旅游市场需求预测。同时为了弥补第一种方法的不足，又使用了指数方程(时间序列)进行了预测。文章最后指出旅游增长率高于人均国民收入增长率[2]。叶涛(1986)首次提出运用计量经济学的方法进行旅游市场需求预测。文章提出了黄山客流量模型，文章使用了回归和滑动平均结合模型对黄山旅游市场需求进行了预测[6]。韩德宗(1986)首次将引力模型和旅行发生模型引入国内，并进行了介绍、分析[7]。
(二)稳定的探讨成长阶段(20世纪90年代)
在这一阶段，旅游市场需求研究文献数量相比较第一阶段有了很大的提高，在研究方法上也出现多元化，特尔菲法、ARIMA模型和灰色系统都第一次运用到旅游市场需求预测之中，但回归模型和时间序列仍然占有主导地位。研究出现了从简单单变量分析向复杂的多变量分析、静态模型向动态模型、单一方法向方法综合发展，多种学科(如数学、地理)开始介入到研究之中的变化趋势。
一些新的预测方法、模型应用到旅游市场需求预测之中。保继刚(1992)首次运用修正引力模型对北京市6月份国内游客预测模型，并指出模型的使用范围，在我国使用引力模型存在数据问题，要使用引力模型进行旅游市场需求预测必须有些解决旅游数据获取[8]。张洪明(1995)首次将灰色理论应用于旅游市场预测之中，建立了引入残差信息的灰色预测模型，指出灰色建模不需要大量原始数据，不存在误差积累，和概率统计、回归模型比较具有精度高的特点，适合用于中长期旅游市场需求预测[9]。赵西萍，王磊，邹慧萍(1996)对国际上旅游市场预测方法进行了综述，并提出了旅游需求预测的发展趋势——与经营管理过程相融合的预测方法[10]。魏启恩，刘新平(1997)引入随机时间序列ARMA，ARIMA模型分析方法，建立了西安境外游客的ARIMA动态预测模型[11]。
这一阶段一些综合性的组合方法开始出现，如周建设，刘新平(1996)选用了逻辑斯缔曲线模型，选用常规的线性回归和三次曲线模型等7种模型对昆明入境游客进行预测，通过比较分析发现带虚拟变量的线性回归模型和指数曲线模型较优。并利用7种预测模型进行了组合预测[12]管宁生，杨丽，王建平(1998)利用指数模型和特尔菲法对鹤庆县旅游市场进行了预测[13]。
(三)快速的发展整合阶段(2000年-)
2000年以来，我国对旅游市场需求预测的研究进入了新的阶段，目前有108篇成果出现，远远多于前20年的总和，由此来看，对于旅游市场需求预测的研究成为了旅游研究的热点之一。随着经济学的介入和人工智能理论的成熟以及在各行业的广泛应用，旅游研究者将计量经济方法、神经网络、灰色模型等这些方法引入旅游业，并进行了旅游需求模型和预测研究的有益探索。在旅游市场需求研究中尝试将新的研究方法于最新的研究结合和整合运用，研究方法逐渐精细化，这样得益于旅游需求理论的不断提升，旅游建模和预测方法也经历了比较大的变化。
李峰，孙根年(2006)应用旅游本底趋势线的概念和方法研究了2003年“SARS”对我国的旅游的影响[14]。吕连琴，王世文(2000)通过定性与定量相结合的方法，分析了小浪底国内客源市场的趋势和走向，还尝试采用了趋势分析法、专家咨询法、分级累计法、平均值法等多种预测方法，对小浪底旅游区国内旅游市场进行了深入的分析与预测[15]。田喜洲(2001)对重庆市美国旅游客源市场进行了详细分析，并通过建立指数方程预测模型预测了重庆市未来3年的美国游量[16]。张启敏，汪文帅(2002)采用Hammerstein模型对宁夏2006年的旅游需求量进行预测、并对该模型进行了修正，同时指出在小样本条件下Hammerstein模型是一个非线性模型[17]。吴江，黄震方(2004)运用Logistic曲线对旅游地生命周期的发展阶段进行模拟，并应用StellII语言建立了模型，代入一定的数据进行处理，模拟旅游产品生命周期曲线，并对这一曲线的主要影响因素进行了讨论，得出旅游市场预测的非线性规律，并讨论回头客对旅游地持续发展的重要性[18]。王娟、曾昊(2001)研究了人工神经网络(ArtficialNeuralNetworks)在旅游市场预测的应用及其重要性[19]。郑江华，刘平(2001)利用线性组合预测方法对新疆国际旅游客源量进行了预测[20]。张立生(2004)研究了影响旅游需求的因素，并对经济、人口和交通因素分别进行分析，建立了预测模型，预测了我国2005年和2010年的国内旅游人次和旅游收入[21]。刘颂(2003)利用GM(1，1)模型对旅游地客源市场动态预测方法进行了探讨[22]。曹霞(2006)在分析上海市2000年1月—2004年9月旅游市场动态变化时序数据的基础上，采用博克斯-詹金斯(B-J)方法预测了2004年4月—2004年9月间上海市旅游客流的发展变化趋势[23]。谭频频等(2006)建立基于月度数据的桂林漓江旅游航班、运量及游客的需求预测模型，运用指数平滑、SARIMA和Elman人工神经网络3种方法，并采用平均绝对误差(MAE)、均方差百分比误差(RMSE)和平均绝对百分比误差(MAPE)评价模型预测效果。预测实例表明Elman神经网络模型更能反映时间序列的波动性，更适合桂林漓江旅游需求预测[24]。
四、结语
综上所述，可以看出国内对旅游市场需求预测的研究具有以下特点：
第一，从研究方法来看，国内在对旅游市场需求预测的研究过程中仍然偏重于定量研究方法(模型)的使用和探索，但是，研究成果具有一定的相似性。近年，开始注重定量与定性方法相结合以及一些方法的综合运用，预测方法正由单一化逐渐向综合化方向发展。但是和国外的研究相比较，虽然研究方法日益丰富，但是研究零散，缺乏系统性，没有形成体系，因此，对于研究方法的理论探讨和体系形成需要不断地努力。
第二，从研究对象和研究内容来看，国内旅游市场需求预测研究方面着重现象的统计描述，利用模型进行过程和机制分析较少；针对某一消费者群或旅游目的地的实证分析较多，对基础理论与方法论的探索少；强调个案研究多，以个案推导整体的做法不够严谨，样本质量和代表性存在问题，研究结论不具备普遍指导意义。在研究中对于旅游市场需求预测的目的和意义认识不够，对于预测过程和结果的分析不足，致使其实用价值受到很大影响。
参考文献：
[1]范业正.旅游者需求与消费行为始终是旅游研究的前沿问题[J].旅游学刊，2005，20(3)：10-11.
[2]王铁生，葛立成.对来杭国内旅游者的动态分析[J].浙江学刊，1984(4)：7-13.
[4]欧阳润平，胡晓琴.国内外旅游需求研究综述[J].南京财经大学学报，2007(3)：80-83.
[5]任来玲，刘朝明.旅游需求预测方法文献述评[J].旅游学刊，2006(8)：90-92.
[6]叶涛.黄山旅游市场的分析和预测[J].数量经济技术经济研究，1986(2)：63-68.
[7]韩德宗.旅游需求预测重力模型和旅行发生模型[J].预测，1986(6)：66-67.
[8]保继刚.引力模型在游客预测中的应用[J].中山大学学报(自然科学版)，1992(4)：133-136.
[9]张洪明.森林旅游客流量引入残差信息的灰色预测[J].四川林勘设计，1995(4)：29-33.
[10]赵西萍，王磊，邹慧萍.旅游目的地国国际旅游需求预测方法综述[J].旅游学刊，1996(6)：28-32.
[11]魏启恩，刘新平.西安市境外游客动态预测模型[J].陕西师范大学学报(自然科学版)，1997(2)：67-71.
[12]周建设，刘新平.昆明境外游客市场预测探讨[J].陕西师范大学学报(自然科学版)，1996(4)：75-79.
[13]管宁生，杨丽，王建平.鹤庆县旅游市场分析与预测[J].社会科学家，1998(增刊)：105-108.
[14]李峰，孙根年.基于旅游本底线法(TBLM)的旅游危机事件研究——以2003年“SARS”事件为例[J].人文地理，2006(4)：102-105.
[15]吕连琴，王世文.黄河小浪底旅游开发的国内客源市场分析与预测[J].地域研究与开发，2000(4)：93-96.
[16]田喜洲.重庆市美国客源市场分析、预测与开发对策[J].重庆商学院学报，2001(3)：18-20.
[17]张启敏，汪文帅.宁夏旅游需求量的预测[J].信阳师范学院学报(自然科学版)，2002(2)：162-165.
[18]吴江，黄震方.旅游地生命周期曲线模拟的初步研究—Logistic曲线模型方法的应用[J].地理与地理信息科学，2004(5)：91-94.
[19]王娟，曾昊.人工神经网络——一种新的旅游需求预测系统[J].旅游科学，2001(4)：24-27.
[20]郑江华，刘平.新疆国际旅游客源量的线性组合预测[J].交通运输系统工程与信息，2001，1(2)：140-143.
[21]张立生.我国国内旅游市场规模分析与预测[J].地域研究与开发，2004(1)：59-61.
[22]刘颂.旅游地客源市场动态预测方法探讨[J].曲阜师范大学学报，2003(4)：107-110.
人工智能市场调查范文5
决策支持系统为解决房地产投资决策中出现的种种问题提供了解决方案。决策支持系统是一种基于计算机的系统，帮助决策者通过与系统直接交互使用数据及分析模型解决非结构化的决策问题。通过决策支持系统，房地产开发商可以对要开发的项目的各种情况有一个更深入的了解，能综合各方面的因素对投资的项目做出一个合理的判断，从而减少房地产投资中的盲目性，使投资更准确，收益率更高。本文结合房地产项目投资的实际情况，提出了一种房地产投资决策支持系统，可以为房地产项目的投资提供决策支持，实现企业项目管理的快速辅助决策，提高投资者的决策水平。
一、房地产投资决策支持系统
房地产投资决策支持系统是将决策支持系统技术应用到房地产投资中，从而能有效地对房地产投资者进行辅助决策，提高决策的效率和准确性。
(一)房地产投资决策支持系统的基本功能
本系统分为房地产市场调查与预测、经济评价、风险分析和可行性报告生成等四大模块。通过房地产市场调查与预测模块，用户可以方便地了解到房地产市场的现状以及国民经济状况，并能对将来房地产市场的发展情况做出一个大概的预测。通过经济评价模块可以对所投资项目做出准确的评估，从而判断出此项目的盈利状况。风险分析模块可以对投资项目的风险作一个大体的分析，用户通过对各个投资方案的经济评价和风险的权衡，可以做出较为准确的判断。可行性报告生成模块则可以自动生成项目的可行性报告，用户可以根据具体情况来添加可行性报告中的内容。
(二)系统的基本结构
在房地产投资中遇到的可变性因素非常多，再加上房地产投资本身所具有的高风险性，这就使得传统的MIS系统不能满足房地产投资决策的需要，只有使用决策支持系统才能有效地解决这一问题。但是传统的决策支持系统也有着它的不足，不能很好的对房地产投资进行有效的辅助决策。因此，本系统借鉴了最近发展起来的决策支持系统的新技术，提出了一种新的房地产决策支持系统模型。
数据仓库、联机分析处理、数据挖掘是决策支持系统发展中的新兴技术，将这些技术引入到房地产决策支持系统中可增强系统的辅助决策功能。该系统的总体结构如图1所示。
其中，数据仓库是为了决策支持的需要而在数据库的基础上发展起来的一项新技术。数据仓库可将大量的用于事务处理的数据库中的数据进行清理、抽取和转换，按决策主体的需要重新进行组织。数据仓库中的各种数据可以适应决策问题多样性的要求，数据仓库侧重于对面向主题的数据的存储和管理。联机分析处理可以对数据仓库中的大量数据进行分析，从中提取出有用的信息，从而起到辅助决策的作用。数据挖掘是从知识发现的概念中引申出来的，把数据挖掘技术应用到数据仓库的分析可以有效地从数据仓库中挖掘出有价值的东西，从而有利于辅助决策。
二、房地产投资决策系统的相关技术
传统的决策支持系统是利用数据库、人机交互进行多模型的有机组合，辅助决策者实现科学决策的综合集成系统。自从决策支持技术形成以来，在全世界得到了广泛的应用，但是决策支持在发展中也遇到了一些问题，主要问题有以下几个方面:(1)DSS使用的数据库只能对原始数据进行一般的加工和汇总，而决策支持涉及大量历史数据和半结构化问题，传统的数据库管理系统难以求解复杂的半结构，不能满足DSS的需要;(2)决策支持系统以集成数据为基础，然而现实中的数据往往分散管理且大多分布于异构的数据平台，数据集成不易;(3)由于决策本身所涉及问题的动态性和复杂性，针对不同的情况应有不同的处理方法，而模型库提供的分析能力有限，所得到的分析结果往往不尽如人意;(4)决策支持系统的建立需要对数据、模型、知识和接口进行集成。数据库语言数值计算能力较低，因而采用数据库管理技术建立决策支持系统知识表达和知识综合能力比较薄弱，难以满足人们日益提高的决策要求。
数据仓库、联机分析处理和数据挖掘技术，给决策支持系统的发展注入了新的活力，数据仓库、联机分析处理和数据挖掘技术的出现，有利于解决上面传统的决策支持系统所遇到的问题，为决策支持的发展提供了一条新的途径。
(一)数据仓库(DW)技术
信息系统中有两种类型的数据:操作型数据和决策支持型数据。前者是由日常事务处理生成的，后者是把前者加工后(清理与集成)形成的。操作型数据服务于日常事务处理，决策支持型数据服务于信息增值。目前，理论界把存有决策支持型数据的系统称为数据仓库。当需要为决策部门提供及时、准确、详细和可靠的风险信息时，海量数据的存储与加工便成为首要问题，而这正是数据仓库的专长。
(二)联机分析处理(OLAP)
OLAP是一种决策分析工具，它是针对特定问题的联机数据访问和数据分析而产生的一种技术，它可以根据分析人员的要求，快速、灵活地对大量数据进行复杂地查询处理，并以直观的、易理解的形式将查询结果提供给各种决策人员，从而得到高度归纳的信息。OLAP是基于数据仓库的信息分析处理过程，是数据仓库的用户接口部分。通过OLAP这种独立于数据仓库的分析技术，决策者能灵活地掌握项目进度的数据，以多维的形式从多方面和多角度来观察项目进度的状态、了解项目进度的变化。OLAP技术分析方法有切片、钻取、维度自由组合、图标自由切换，并可形成表现友好、丰富的报表结果。
(三)数据挖掘(DM)技术
数据挖掘可以称为数据库中的知识发现，是从大量数据中提取出可信、新颖有效并能被人理解的模式的高级处理过程，是数据库技术、人工智能、神经网路、机器学习等领域的交叉学科。数据挖掘是一个过程，是从大型数据库中抽取隐藏其中的可理解的可操作的信息，目的是帮助分析、决策人员寻找数据之间的关联，发现被忽略的要素，而这些信息对于决策行为是至关重要的。
数据挖掘常用的技术和算法有决策树、神经网络、概念树、遗传算法、模糊数学、统计分析、可视化技术、粗糙集、公式发现等。数据挖掘的作用是可以实现自动预测趋势和行为、关联分析、聚类等。数据仓库、联机分析处理、数据挖掘是作为三种独立的信息处理技术出现的，但都是以解决决策支持分析问题为主要驱动力量发展起来的，具有一定的联系性和互补性。其中数据仓库用于数据的存储和组织，联机分析处理集中于数据的分析，数据挖掘则致力知识的自动发现。三、房地产投资决策支持系统的功能模块
(一)市场调查与预测
市场调查是房地产投资中的一项非常重要的内容，常常关系着投资的成败。在本系统中，市场调查与预测模块主要包括国家经济状况、城市经济状况、城市综合情况、城市气象条件、城市发展计划、目标客户住房需求调查情况、城市土地住房情况、房地产供给市场状况、竞争对手和竞争楼盘状况，以及项目自身的相关情况等。在这个模块中，基本涵盖了房地产调查的主要内容。另外，大量的历史数据也为房地产市场的预测提供了便利条件。
(二)经济评价
经济评价是房地产投资决策中的一项必不可少的内容。建设项目经济评价是项目可行性研究的组成部分和重要内容，是项目决策科学化的重要手段。经济评价的目的是计算项目的效益和费用，通过多方案比较，对拟建项目的财务可行性和经济可行性进行分析讨论，做出全面的经济评价，为项目的科学决策提供依据。
经济评价包括项目管理、参数设置、方案计算、扶助报表、基本报表和综合财务指标等几个方面。其中项目管理包括项目的建立、选择和删除，对项目管理库进行操作。参数设置对房地产投资中的各项参数进行赋值，方案计算用现金流法和非现金流法对投资项目进行分析计算。辅助报表和基本报表用于生成各种报表。综合财务报表生成现金流法综合财务指标汇总表和非现金流综合财务指标汇总表，在这一模块中还生成直方图检验、饼图检验和拆线图等图表，更直观地反映出财务状况。
(三)风险分析
房地产投资虽说有着高收益，但是同时也存在着高风险，对其进行风险分析非常必要。正确评价房地产开发的风险可以指导投资者进行正确的开发决策，减少决策的盲目性和失误。对于上述风险，人们并不能明确的给一个答案，到底有没有这种风险，这是存在着模糊性的。为此可以把模糊数学方法引入到风险分析中来，采用模糊综合评价法可将定量与定性的指标结合起来，〖JP1〗可以不受指标因量纲不同或量纲相同而量级不同的影响，对于问题比较复杂、信息不很全面的房地产开发投资是很适应的。此外，房地产投资风险因素层次比较多，可以采用多级模糊模型来分析。
(四)可行性报告生成
可行性报告生成模块的功能是根据房地产投资项目来生成一个可行性报告模板，这就省去了用户编写可行性报告的时间。用户可以根据自己的实际情况向可行性报告模板中添加一些项目的数据，甚至是根据项目数据生成的柱状图、饼图等图表。现在人们所用的字处理软件一般都为微软的Word，所以本系统中所生成的可行性报告为Word文档形式，这样便于用户对可行性报告的编辑。
该系统中的四个功能模块紧密协作，基本涵盖了房地产投资中所应考虑的各方面内容。用户(决策者)通过这些模块的运作，可以得到有力的辅助决策，从而提高决策水平。
人工智能市场调查范文6
[关键词] 聚类分析 客户细分 抽样组织方式
一、引言
聚类分析（cluster analysis）是根据事物本身的特性研究个体的一种方法，目的在于将相似的事物归类。它的原则是同一类中的个体有较大的相似性，不同类的个体差异性很大。它可以依据标量或样本性质上的亲疏程度分类。这种方法有三个特征:适用于没有先验知识的分类。可以处理多个变量决定的分类。其是一种探索性分析方法。聚类是分析事物的内在特点和规律，根据相似性原则对事物进行分组。它是数据挖掘中常用的一种技术。
二、聚类分析法在市场营销中的应用研究
1.在客户细分中的应用
常用的客户分类方法主要有三类：经验描述法，由决策者根据经验对客户进行类别划分；传统统计法，根据客户属性特征的简单统计来划分客户类别；非传统统计方法，即基于人工智能技术的非数值方法。聚类分析法兼有后两类方法的特点，能够有效完成客户细分的过程。
例如，客户的购买动机一般由需要、认知、学习等内因和文化、社会、家庭、小群体、参考群体等外因共同决定。要按购买动机的不同来划分客户时，可以把前述因素作为分析变量，并将所有目标客户每一个分析变量的指标值量化出来，再运用聚类分析法进行分类。又如，在对电信公司的客户进行细分时，可以根据需要把平均月支出、平均月租、平均本地通话费、平均长途通话费、平均月互联网费、平均声讯支出、平均来电显示费、平均短信支出、平均彩铃月租、平均彩铃下载费等作为分析变量，进行聚类分析。
2.在实验市场选择中的应用
实验调查法最常用的领域有:（1）市场饱和度测试。企业通常通过将消费者购买产品或服务的各种决定因素（如价格等）降到最低限度的方法来测试市场饱和度。或者在出现滞销时，企业投放一类似的新产品或服务到一特定的市场，以测试市场是否真正达到饱和，是否具有潜在的购买力。（2）产品的价格实验。这种实验往往将新定价的产品投放市场，对顾客的态度和反应进行测试，了解顾客对这种价格的是否接受或接受程度。（3）新产品上市实验。新产品投放市场后的失败率通常很高，大致为66%到90%。因而为了降低新产品的失败率，在产品大规模上市前，运用实验调查法对新产品的各方面（外观设计、性能、广告和推广营销组合等）进行实验是非常有必要的。
在实验调查方法中，最常用的是前后单组对比实验、对照组对比实验和前后对照组对比实验。这些方法都要求科学的选择实验和非实验单位，也即随机选择出的实验单位和非实验单位之间必须具备一定的可比性，两类单位的主客观条件应基本相同。例如，商店的规模、类型、设备状况、所处地段、管理水平等应该大体一致，只有这样才能保证对比实验的效果。
通过聚类分析，可将待选的实验市场（商场、居民区、城市等）分成同质的几类小组，在同一组内选择实验单位和非实验单位，这样便保证了这两个单位之间具有了一定的可比性。聚类时，商店的规模、类型、设备状况、所处的地段、管理水平等就是聚类的分析变量。
3.在抽样方案设计中的应用
在抽样方案设计的步骤中，抽样组织形式的选择是一个关键环节，它决定了样本对总体的代表性的高低。结合资源的限制和操作的方便性进行综合选择，分层抽样在实践中的应用最为广泛。分层抽样又称类型抽样，它是先将总体所有单位按照重要标志进行分组，然后在各组内按照简单随机抽样或等距抽样方式抽取样本单位的一种抽样方式。在分组时引入聚类方法，可以增强组别的合理性。
例如，分析消费者的偏好时，可以按照收入、职业、年龄、性别等多种变量对消费者进行分组，在每一组内，根据公式确定距离进行等距抽样，抽出的样本对总体具有较强的代表性。这种根据多个变量进行的分组，要比依据单一变量分组后分析偏好更能得到准确有用的信息。
4.在销售片区确定中的应用
在市场营销中只有合理的将企业所拥有的子市场归成几个大的片区，才能有效的制定符合片区特点的市场营销战略和策略，并任命合适的片区经理。例如，某公司在全国有30个子市场，每个市场在人口数量、人均可支配收入、地区零售总额、该公司某种商品的销售量等变量上有不同的指标值。把这些变量作为聚类变量，结合决策者的主观愿望和相关统计软件提供的客观标准可以将30个子市场聚类成几个大的片区。接下来就可以针对不同的片区制定合理的战略和策略，并任命合适的片区经理了。
5.在市场机会研究中的应用
企业制定市场营销战略时，弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过市场调查，获取自己和所有主要竞争者在品牌方面的第一提及知名度、提示前知名度和提示后知名度的指标值，将它们作为聚类分析的变量，这样便可以将企业和竞争对手的产品或品牌归类。根据归类的结论企业可以获得如下信息：（1）企业的产品或品牌和哪些竞争对手形成了直接的竞争关系。通常，聚类以后属于同一类别的产品和品牌就是所分析企业的直接竞争对手。在制定战略时，可以更多的运用“红海战略”。(2)在聚类以后，结合每一产品或品牌的多种不同属性的研究，可以发现哪些属性组合目前还没有融入产品或品牌中，从而寻找企业在市场中的机会，为企业制定合理的“蓝海战略”提供基础性的资料。
参考文献：
