|
一、中文部份
01.于宗先（1972）。經濟預測。台北：大中國。
02.仇士元（2003）。加總模型的預測效果－以台灣地區汽車銷售量資料為例。私立長庚大學企業管理研究所，未出版，台北縣。
03.王瓊敏（1999）。電腦關鍵零組件之價格預測模式。國立中央大學工業管理研究所碩士論文，未出版，桃園縣。
04.交通部 (2000)。二十一世紀台灣發展觀光新戰略研討會（摘要）。台北市。
05.台灣省旅遊局（1988）。全省觀光旅遊系統之研究。台中：台灣省交通處旅遊局委託私立逢甲大學都市計劃學系。
06.江麗文（1995）。來華旅客需求計量經濟模式之研究。私立中國文化大學觀光事業研究所碩士論文，未出版，台北市。
07.吳柏林（1995）。時間數列分析導論。台北：華泰書局。
08.吳柏林、賴家瑞、劉勇杉（1992）。台灣地區外籍觀光旅客人數預測模式之探討，國立政治大學學報，第68期，頁267-291。
09.李旭煌（1994）。出國觀光旅客需求預測模式建立之研究。國立政治大學統計學研究所碩士論文，未出版，台北市。
10.李佳叡（2000）。實施隔週休二日對到訪森林遊樂區人數改變之分析─時間數列介入分析模型之應用。國立臺灣大學森林學研究所碩士論文，未出版，台北市。
11.李堯賢、張靖（2000）。遊覽車需求推估與預測模式之研究。中華管理學報，第一卷第一期，頁69-87。
12.沈中天（1997）。觀光客旅遊消費需求分配之研究─AIDS、LES消費支出體系之應用。私立文化大學觀光事業研究所碩士論文，未出版，台北市。
13.周孟科（1988）。灰色理論應用於地層下陷之預測。國立成功大學水利及海洋工程學系碩士論文，未出版，台南市。
14.尚和生（1992）。臺灣地區國民旅遊人次估計及需求預測。私立淡江大學管理科學研究所碩士論文，未出版，台北縣。
15.林文彥（1998）。物流中心整合型採購決策支援系統之研究。私立朝陽大學工業工程與管理研究所碩士論文，未出版，台中縣。
16.林孟鴻（2001）。應用歷程檔案建立網路學習輔助機制。國立中山大學資訊管理研究所碩士論文，未出版，高雄市。
17.林保村（2001）。支持向量廻歸：系統式設計和效能分析。國立台灣科技大學電機工程研究所博士論文，未出版，台北市。
18.林晏州、侯錦雄（1987）。玉山國家公園遊憩承載量及遊憩需求調查研究報告：南投：內政部營建暑玉山國家公園管理處委託計劃，頁231－262。
19.林聰明、吳水丕（1981）。指數平滑法之選擇與應用。台北：華泰書局，初版。
20.林繼國（1986）。遊憩區遊憩需求預測之研究。國立台灣大學土木工程研究所碩士論文，未出版，台北市。
21.邱永祥（2003）。運用類神經網路與資料探勘技術於網路教學課推薦之研究。私立朝陽科技大學資訊管理研究所碩士論文，未出版，台中縣。
22.施瑞峰（2000）。台灣國際觀光旅館國人住宿率預測之研究。私立朝陽大學休閒事業管理系碩士論文，未出版，台中縣。
23.洪靜霞（2001）。台灣國際觀光旅館國人住宿需求之研究。私立朝陽科技大學休閒事業管理系碩士論文，未出版，台中縣。
24.徐桂祥（1997）。灰色系統在商情預測上之研究。國立雲林技術學院資訊管理技術研究所碩士論文，未出版，雲林縣。
25.時巧煒（1994）。來華觀光旅客需求預測模式建立之研究。國立政治大學統計研究所碩士論文，未出版，台北市。
26.涂三賢、吳萬益、林俊成、任憶安（1999）。台灣地區國有森林遊樂區遊客人數與營收變動之分析。戶外遊憩研究，第十二卷第四期，頁61-72。
27.張吉甫（2002）。類神經網路在寬頻網路管理上之應用。私立元智大學資管所碩士論文，未出版，桃園縣。
28.張軍堂（1971）。台灣觀光資源開發之研究。國立政治大學地政學系碩士論文，未出版，台北市。
29.曹文彬（1995）。出國觀光消費者行為與支出特性之研究。私立淡江大學土木工程研究所碩士論文，未出版，台北市。
30.曹勝雄、江麗文、蔡倩雯（1996）。計量經濟模式在國際觀光需求應用之研究，戶外遊憩研究，第九卷第一期，頁1-29。
31.曹勝雄、曾國雄、江勁毅（1996）。傳統計量迴歸、GMDH、類神經網路四種方法在預測應用之比較—以國人赴港旅客需求之預測為例。中國統計學報，第三四卷第二期，頁132-161。
32.許巧鶯、林佳宜（1995）。國際觀光旅遊決策行為分析。交大管理學報，第十五卷第一期，頁101-126。
33.許德範（1978）。來華觀光旅客人數之時間序列分析與預測。私立淡江大學管理研究所碩士論文，未出版，台北縣。
34.郭明哲（1976）。預測方法─理論與實例。台北：中興管理顧問公司
35.郭軍宏（1984）。應用類神經網路與傳統數量方法在短期需求預測之研究─以某物流公司為例。國立中央大學資訊管理研究所碩士論文，未出版，桃園縣。
36.陳于倩（2003）。中國大陸旅遊業需求預測－結合迴歸與時間數列模型。國立台灣大學國家發展研究所碩士論文，未出版，台北市。
37.陳石麟（2003）。資料採礦於預測國人出國觀光需求之應用-以整體、香港和澳門為例。國立台灣大學資訊管理研究所碩士論文，未出版，台北縣。
38.陳怡融（1996）。改良型指數平滑模式應用於台灣工業產品的實證研究。私立大同工學院事業經營研究所碩士論文，未出版，台北市。
39.陳淑貞（1992）。多維時間序列的主成份分析模型在來華觀光客人數預測上之應用。國立中興大學統計學研究所碩士論文，未出版，台北市。
40.陳紹福（1984）。數量方法在觀光旅遊業之應用研究。私立東海大學企業管理研究所碩士論文，未出版，台中市。
41.陳敦基（1991）。來華觀光旅客之需求特性與時間序列分析。民國八十年觀光事業發展學術研討會論文集，頁1~27。
42.陳敦基（1993）。來華與出國觀光旅客人數預測模式建立之研究。台北：交通部觀光局委託私立淡江大學管理科學系，頁130 - 162。
43.黃昭通（1994）。戶外遊憩需求預測之實證研究─以南投縣境內之遊憩區為例。國立中興大學森林學系碩士論文，未出版，台中市。
44.葉怡成（1993）。類神經網路模式應用與實作。台北：儒林圖書有限公司。
45.葉怡成（1999）。應用類神經網路。台北：儒林圖書有限公司。
46.劉明得（1990）。多變量時間數列分析與應用。國立政治大學統計研究所碩士論文，未出版，台北市。
47.鄭天澤、時巧煒（1995）。來華觀光旅客需求預測模式比較分析。管理評論，第十四卷第一期，頁77-116。
48.鄭金波（1988）。類神經網路隨機倒傳遞學習法則於電力負載預測之應用。國立中山大學電機工程研究所碩士論文，未出版，高雄市。
49.鄭魁香（1999）。結合類神經網路應用於地震災害預測。第四屆灰色系統理論與應用研討會論文集，高雄，頁57-64。
50.薛國強（1996）。應用類神經網路與模糊神經網路於智慧型銷售量預測系統建立之研究。私立高雄工學院管理科學研究所碩士論文，未出版，高雄縣。
51.觀光局（1987）。中華民國75年台灣地區國民旅遊狀況調查報告。台北：交通部觀光局委託中華徵信所計劃，頁 65－82。
52.觀光局（1990）。台灣地區觀光遊憩系統開發計劃一第二期規劃其中報告。台北：交通部觀光局委託中華民國區域科學學會，頁 81－96。
二、英文部份
01.Archer, B. H.（1987）. Demand Forecasting in Tourism. Cardiff: University of Wales Press.
02.Athiyaman, A. & Robertson, R. W.（1992）. Time series forecasting techniques: Short-term planning in tourism. International Journal of Contemporary Hospitality Management, 4(4), 8-11.
03.Box, G. E. P. & Tiao, G. C.（1975）. Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical Association, 70: 70-74.
04.Box, G. E. P. & Jenkins, G. M. (1976). Time series analysis: forecasting and control. San Francisco: Holden-Day.
05.Burger, C. J. S. C., Dohnal, M., Kathrada, M. & Law, R.（2001）. A practitioners guide to time-series methods for tourism demand forecasting- A case study of Durban, South Africa. Tourism Management, 22(4), 403-409.
06.Caire, P., Hatabian, G. & Muller, C.（1992）, Progress in Forecasting by Neural Networks, International Joint Conference on Neural Network, 540-545.
07.Calantone, R. J., Benedetto, A. D. & Bojanic, D.（1987）. A comprehensive review of the tourism forecasting literature. Journal of Travel Research, 26(2), 28-39.
08.Campbell, C.（2002）. Kernel methods: A survey of current techniques. Neurocomputing, 48, 63–84.
09.Cao, L.（2003）. Support vector machines experts for time series forecasting. Neurocomputing, 51, 321-339.
10.Cao, L. & Gu, Q.（2002）. Dynamic support vector machines for non- stationary time series forecasting. Intelligent Data Analysis, 6, 67-83.
11.Chamber, J. C., Mullick, S. K. & Smith, D. D.（1971）. How to Choose the Right Forecasting Technique, H.B.R., July-Aug.
12.Chan, Y. M.（1993）. Forecasting tourism: A sine wave time series regression approach. Journal of Travel Research, 32（2）, 58–60.
13.Chang, C. C. & Lin, C. J.（2001）. LIBSVM : A library for support vector machines. Retrieved May 20, 2004, from National Taiwan University, Department of Computer Science and Information Engineering Web site: http://www.csie.edu.tw/~cjlin/papers/ libsvm.pdf.
14.Cheng, W., Wanger, L. & Lin, C. H.（1996）. Forecasting the 30-year US treasury bond with a system of neural networks. Journal of Computational Intelligence in Finance , 1（4）, 10–15.
15.Cherkassky, V. & Mulier, F. (1998). Learning from Data: Concepts, Theory, and Methods. New York: John Wiley & Sons.
16.Chiang, W. C., Urban, T. L. & Baildridge, G.（1996）. A neural network approach to mutual fund net asset value forecasting. Omega , 24（2）, 205–219.
17.Chtioui,Y., Bertrand, D. & Barba, D.（1998）. Feature selection by a genetic algorithm application to seed discrimination by artificial vision. Journal of Sci. Food Agric, 76, 77–86.
18.Chu, F. L.（1998a）. Forecasting tourism: A combined approach. Tourism Management, 19（6）, 515–520.
19.Chu, F. L.（1998b）. Forecasting tourist arrivals: Nonlinear sine wave or ARIMA? Journal of Travel Research, 36(3), 79-84.
20.Cristianini, N., Campell, C. & Shawe-Taylor, J.（1999）. Dynamically adapting kernels in support vector machines. In M. Kearns, S. A. Solla & D. Cohn（eds.）, Advances in neural information processing systems, 11,（pp.204–210）. Cambridge, MA: MIT Press.
21.Cybenko, G. (1989). Approximation by superpositions of a sigmoidal function. Mathematical Control Signal System, 2, 303-314.
22.Cumby, R. E. & Modest, D. M. (1987). Testing for market timing ability: a framework for forecast evaluation. Journal of Financial Economics, 19 (1), 169–189.
23.Dalrymple, K. & Greenidge, K.（1999）. Forecasting arrivals to Barbados. Annals of Tourism Research, 26(1), 188-191.
24.Deb, K. & Kumar, A.（1995）. Real-coded genetic algorithms with simulated binary crossover: Studies on multimodal and multi objective problems. Complex Systems, 9（6）, 431–454.
25.Deb, K. & Agrawal, R. B.（1995）. Simulated binary crossover for continuous search space. Complex Systems, 9（2）, 115–148.
26.Deb, K. & Goyal, M.（1996）. A combined genetic adaptive search（geneAS） for engineering design. Computer Science and Informatics, 26（4）, 30–45.
27.Dharmaratne, G. S.（1995）. Forecasting tourist arrivals in Barbados. Annals of Tourism Research, 22(4), 804-818.
28.Duan, K., Keerthi, S. & Poo, A.（2001）. Evaluation of simple performance measures for tuning SVM hyperparameters（Technical Report）. Singapore: National University of Singapore, Department of Mechanical Engineering.
29.Faulkner, B. & Valerio, P.（1995）. An integrative approach to tourism demand forecasting. Tourism Management, 16(1), 29-37.
30.Fritz, R. G., Brandon, C. & Xonder, J.（1984）. Combining time series and econometric forecast of Tourism activity. Annuals of Tourism Research, 11(1), 171-176.
31.Goldberg, G. E.（1989）. Genetic algorithms in search, optimization and machine learning. New York: Addison-Wesley.
32.Haupt, R. L. & Haupt, S. E.（1998）. Practical genetic algorithms. New York: John Wiley & Sons Inc.
33.Haykin, S.（1999）. Neural networks: A comprehensive foundation. Englewood Cliffs, New Jersey: Prentice Hall.
34.Holland, J. H.（1975）. Adaptation in natural and artificial systems. Cambridge, MA: MIT Press.
35.Hornik, K., Stinchcombe, M. & White, H. (1989). Multilayer feedforward networks are universal approximations. Neural Networks, 2, 336-359.
36.Huan, J. S., James, T. L. & Trefor, P. W.（1996）. Using Neural Networks to Predict Component Inspection Requirements for Aging Aircraft. Computers Ind. Eng., 30(2), 257-267.
37.Joachims, T.（1996）. Text categorization with support vector machines: Learning with many relevant features（Technical Report）. Retrieved October 10, 2004, from ftp://ftp-ai.informatik.uni- dortmund.de/pub/reports/report23.ps.z.
38.Kaastra, I. & Boyd, M. S.（1995）. Forecasting futures trading volume using neural networks. The Journal of Futures Markets, 15（8）, 853–970.
39.Kim, K.J.（2003）. Financial time series forecasting using support vector machines. Neurcomputing, 55, 307-319.
40.Kulendran, N. & King, M.（1997）. Forecasting international quarterly tourist flows using error-correction and time-series model. International Journal of Forecasting, 31, 319–327.
41.Kwok, J. T. (2001). Linear Dependency between ε and the Input Noise in ε–Support Vector Regression. In G. Dorffner, H. Bischof, & K. Hornik (Eds.), Artificial Neural Networks—ICANN 2001 (pp. 405-410) Berlin: Springer- Verlag.
42.Law, R.（2000）. Back-propagation learning in improving the accuracy of neural network-based tourism demand forecasting. Tourism Management, 21（4）, 331–340.
43.Law, R. & Au, N.（1999）. A neural network model to forecast Japanese demand for travel to Hong Kong. Tourism Management, 20（1）, 89–97.
44.Lee, C. K., Var, T. & Blaine, T. W.（1996）. Determinants of inbound tourism expenditures. Annals of Tourism Research, 23(3), 527-542.
45.Lewis, C. D.（1982）. International and business forecasting methods. London: Butterworths.
46.Lim, C.（1997）. An econometric classification and review of international tourism demand models. Tourism Economics, 3（1）, 69–81.
47.Lim, C. & McAleer, M.（2001）. Forecasting tourist arrivals. Annals of Tourism Research, 28(4), 965-977.
48.Lin, P. T. (2001). Support Vector Regression: Systematic Design and Performance Analysis. Unpublished Doctoral Dissertation, Department of Electronic Engineering, National Taiwan University of Science and Technology, Taipei.
49.Lin, C. Y. & Hajela, P.（1992）. Genetic Algorithms in Structural Optimization Problems with Discrete and Integer Design Variables. Engineering Optimization, 19(3), 309-327.
50.Lu, W., Wang, W., Leung, A. Y. T., Lo, S. M., Yuen, R. K. K., Xu, Z. & Fan, H.（2002）. Air Pollutant Parameter Forecasting Using Support Vector Machines. Proceedings of the 2002 International Joint Conference on Neural Networks, 1, 12-17, 2002.
51.Makridakis, S. & Winkler, R. L.（1983）. Average of forecasts: Some empirical results. Management Science, 29(9), 987-996.
52.Manuel, V. & Croes, R.（2000）. Evaluation of demand US tourists to Aruba. Annals of Tourism Research , 27（4）, 946–963.
53.Martin, C. A. & Witt, S. F.（1989）. Forecasting tourism demand : A comparison of the accuracy several quantitative methods. International Journal of Forecasting, 5, 7–19.
54.Mattera, D. & Haykin, S. (1999). Support Vector Machines for Dynamic Reconstruction of a Chaotic System, In B. Schölkopf, J. Burges, A. Smola, ed., Advances in Kernel Methods: Support Vector Machine (pp. 211-242). Cambridge: MIT Press.
55.Medeiros, M. C., Veiga, A. & Pedreira, C. E. (2001). Modeling exchange rates：smooth transitions, Neural networks and linear models. IEEE, 12, 4.
56.Michalewicz, Z.（1999）. Genetic algorithms + Data structures = Evolution programs. New York: Springer.
57.Mohandes, M. A., Halawani, T. O., Rehmam, S. & Hussain, A.A.（2004）.Support vector machines for wind speed prediction. Renewable Energy, 29, 939-947.
58.Morley, C. L.（1991）. Modeling international tourism demand: Model specification and structure. Journal of Travel Research, 30(1), 40-44.
59.Morley, C. L.（1993）. Forecasting tourism demand using extra- polative time series methods. The Journal of Tourism Studies, 4(1), 19-25.
60.Ong, C.（1995）. Tourism demand models: A critique. Mathematics and Computers in Simulation, 39(3,4), 367-372.
61.Pai, P. F. & Hong, W. C. (2005). Forecasting regional electric load based on recurrent support vector machines with genetic algorithms. Electric Power Systems Research. 74(3), 417-425.
62.Pankratz, A.（1983）. Forecasting with univariate Box-Jenkins models: Concepts and cases. New York: John Wiley.
63.Pattie, D. C. & Snyder, J.（1996）. Using a neural network to forecast visitor behavior. Annals of Tourism Research, 23（1）, 151–164.
64.Peng, K. L., Wu, C. H. & Goo, Y. J. (2004). The development of a new statistical technique for relating financial information to stock market returns. International Journal of Management, 21(4), 492–505.
65.Pilar, G. & Moral, Paz.（1995）. An analysis of the international tourism demand in Spain. International Journal of Forecasting, 11, 233–251.
66.Rumelhart, E., Hinton, G. E. & Williams, R. J. (1986). Learning internal representations by error propagation in parallel distributed processing. Cambridge, MA: MIT Press.
67.Runarsson, T. P & Sigurdsson, S. (2003). Model selection for support vector machines using an asynchronous parallel evolution strategy. In The IEEE International Conference on Neural Networks and Signal Processing (pp. 495– 498).China.
68.Schmidt, M.（1996）. Identifying speaker with support vector networks. Paper present at the meeting of the 28th Symposium on the Interface（INTERFACE-96）, Sydney, Australia.
69.Sharda, R. & Patil, R. B.（1992）. Connectionist approach to time series prediction: An empirical test. Journal of Intelligent Manufacturing, 3, 317–323.
70.Sheldon, Pauline J. & Var, Turgut.（1985）. Tourism forecasting: A review of empirical research. Journal of Forecasting, 4（2）, 183–195.
71.Sheldon, P. J.（1993）. Forecasting tourism: Expenditures versus arrivals. Journal of Travel Research, 32(1), 13-20.
72.Schölkopf, B., Burges, J. & Smola, A. (1998). Advances in Kernel Methods: Support Vector Machine. Cambridge: MIT Press.
73.Schölkopf, B. & Smola, A. J. (2002). Learning with Kernels. Cambridge: MIT Press.
74.Smeral, E., Witt, S. F. & Witt, C. A.（1992）. Econometric forecasts: tourism trends to 2000. Annals of Tourism Research, 19（3）, 450–466.
75.Smola A. J.（1998）. Learning with kernels. Unpublished doctoral dissertation, Department of Computer Science, Technical University Berlin, Germany.
76.Smola, A. J., Murata, N., Schölkopf, B. & Muller, K. (1998). Asymptotically optimal choice of ε–loss for support vector machines. In L. Niklasson, M. Boden & T. Ziemke (Eds.). Proceedings of the Eighth International Conference on Artificial Neural Networks (pp. 105–110). Skovde, Sweden.
77.Suykens, J. A. K., Gestel, T. V., De Brabanter, J., De Moor, B. & Vandewalle, J.（2002）. Least Squares Support Vector Machines. Singapore : World Scientific Publishing.
78.Tang, K.S., Man, K.F., Kwong, S. & He, Q.（1996）. Genetic algorithms and their applications. IEEE Signal Processing Magazine, 13, 22–37.
79.Tay, F. E. H. & Cao, L. J.（2001a）. Application of support vector machines in financial time series forecasting. OMEGA, 29, 309- 317.
80.Tay, F. E. H. & Cao, L. J.（2001b）. Improved financial time series forecasting by combining Support Vector Machines with self-organizing feature map. Intelligent Data Analysis, 5, 339-354.
81.Tay, F. E. H. & Cao, L. J.（2002）. Modified support vector machines in financial time series forecasting. Neurocomputing, 48, 847-861.
82.Thissen, U., Brakel, R., Weijer, A. P., Melssen, W. J. & Buydens, L. M. C.（2003）. Using support vector machines for time series prediction. Chemometrics and Intelligent Laboratory Systems, 69, 35-49.
83.Turner, L. W., Kulendran, N. & Pergat, V.（1995）. Forecasting New Zealand tourism demand with disaggregated data. Tourism Economics, 1(1), 51-69.
84.Uysal, M. & Crompton, J. L.（1984）. Determinants of demand for international tourist flow to Turkey. Tourism Management, 15（4）, 288–297.
85.Uysal, M. & Crompton, J. L.（1985）. An overview of the approaches used to forecast tourism demand. Journal of Travel Research, 23(4), 7-15.
86.Van, E. & Robert, J.（1997）. The application of neural networks in the forecasting of share prices. Haymarket, VA: Finance & Technology Publishing.
87.Vanderplaats, G. N.（1984）. Numerical Optimization Techniques for Engineering Design. New York: McGraw-Hill.
88.Vapnik, V.（1995）. The nature of statistical learning theory. New York: Springer.
89.Vapnik, V. (1998). Statistical Learning Theory. New York: John Wiley & Sons.
90.Vapnik, V., Golowich, S. & Smola, A.（1997）. Support vector method for function approximation, regression estimation and signal processing. In M. Mozer, M. Jordan & T. Petsche（eds.）, Advance in neural information processing system, 9, pp.281–287. Cambridge, MA: MIT Press.
91.Wehrens, R. & Buydens, L. M. C. (1998). Evolutionary optimization: a tutorial. Trends in Analytical Chemistry, 17, 193–203.
92.Weiss, S. M. & Kulikowski, C. A.（1984）. A Practical Guide to Designing Expert Systems. New Jersey: Rowman & Allenheld.
93.Wheelwright, S. C. & Makridakis, S.（1973）. Forecasting Management. New York: Wiley.
94.Witt, S. F., Newbould, G. D. & Watkins, A. J.（1992）. Forecasting domestic tourism demand: Application to Las Vegas arrivals data. Journal of Travel Research, 30(1), 36-40.
95.Witt, C. A. & Witt, S. F.（1995a）. Tourism forecasting: Error magnitude direction of change error, and trend change error. Journal of Travel Research, 25(3), 23-30
96.Witt, S. F. & Witt, C. A.（1995b）. Forecasting tourism demand: A review of empirical research. International Journal of Forecasting, 11(3), 447-475.
97.Wong, K. F.（1997）. The relevance of business cycles in forecasting international tourist arrivals. Tourism Management, 18(8), 581-586.
98.Zadeh L. A.（1965）. Fuzzy sets. Inform. Control, 8, 338-353.
99.Zhang, G. & Hu, Y. (1998). Neural Network Forecasting of the British Pound/ US Dollar Exchange Rate. Omega, 26(4), 495-506.
|