Review of tourism forecasting research with internet data

Internet techniques significantly influence the tourism industry and Internet data have been used widely used in tourism and hospitality research. However, reviews on the recent development of Internet data in tourism forecasting remain limited. This work reviews articles on tourism forecasting research with Internet data published in academic journals from 2012 to 2019. Then, the findings ae synthesized based on the following Internet data classifications: search engine, web traffic, social media, and multiple sources. Results show that among such classifications, search engine data are most widely incorporated into tourism forecasting. Time series and econometric forecasting models remain dominant, whereas artificial intelligence methods are still developing. For unstructured social media and multi-source data, methodological advancements in text mining, sentiment analysis, and social network analysis are required to transform data into time series for forecasting. Combined Internet data and forecasting models will help in improving forecasting accuracy further in future research.     

Collective Perception and Exchange Rates

The authors' research suggests that people search online for information on currency exchange rates and that this information-seeking process can be translated into data on people's interest for a given currency. The authors utilize Google Trends data to capture the level of interest in 3 currency pairs: the euro, the pound sterling, and the Canadian dollar against the U.S. dollar and conduct a multivariate data analysis in the context of vector-autoregressive models. The findings suggest that there is a small but significant impact on collective perception on exchange rates. The authors show that Google Trends data could be an important source of information for investors looking into exchange rate trends.     

基于GEE的淮南市土地利用变化对生态系统服务价值的影响

以淮南市为研究区,基于谷歌地球引擎(GEE)云平台获取的土地利用数据和修正的当量因子表,分析2010—2018年淮南市生态系统服务价值(ESV)的时空变化,以期探究淮南市煤炭开采对ESV的影响,为淮南市可持续发展提供决策依据。结果表明:2010—2018年,淮南市的耕地面积减少,建设用地和水域面积增加,其他土地利用类型变化幅度较小;淮南市ESV呈增长趋势,由2010年的98.37亿元增长到了2018年的119.64亿元;基于1 km×1 km的格网尺度对淮南市ESV进行分析发现:淮南市ESV低值区面积减少,较低、中等、较高、高等级的面积均呈上升趋势;各土地利用类型价值系数的敏感性指数均小于1,说明研究结果具有可靠性;淮南市ESV与累计原煤产量有较高的相关性,两者相关系数R2为0.8546。     

产品开发与产业升级——中国车用柴油机工业的历史教训

经济转型的紧迫性和有限的政策空间要求中国工业必须找准产业升级的切入点和突破口。与其他途径相比,自主产品开发是实现转型升级、构筑竞争优势的根本动力。因此,中国的产业升级应抓住产品开发这个微观基础和关键环节,将其作为资本投入和技术学习的中心,并以此为核心来组织各种升级手段。车用柴油机工业的案例从反面说明了产品开发对产业升级的重要性:如果无法控制产品开发,中国工业就无法适应持续的技术进步,而只能长期处于产业演进和国际分工体系中的被动位置。打破这种不利局面,政府要在增强自主性和实施产品开发这两个方向的诸多方面作出努力。     

数据管理在航空发动机适航取证中的应用研究

根据适航规章要求,申请人有义务对型号合格审定过程中的数据进行规范化管理,为航空器的持续安全运行提供支撑。结合数据管理发展趋势,通过对工程数据的管理方法进行研究,在航空发动机适航业务领域应用,形成适航型号合格审定过程中的数据清单,建立适航主数据和元数据的管理模型,确立过程管控中的数据质量通用管理要求,构建了通用的适航数据管理信息化应用架构,为适航数据在航空发动机全生命周期中的规范化管理奠定基础。     

蓬莱葡萄及葡萄酒产业发展动力研究

葡萄及葡萄酒产业作为蓬莱四大产业支柱之一,在推动地方经济发展过程中起到十分重要的作用.文章从系统工程角度,采用层次分析法对葡萄及葡萄酒产业发展的动力因素进行分析,确定重要性排序.对现阶段的经济行为起到指导作用.     

搜索引擎产业发展与搜索引擎优化策略研究

在互联网信息迅速膨胀的今天,搜索引擎成为引导用户获取网站信息的第一渠道。搜索引擎产业在互联网行业中越来越处于核心地位。通过搜索引擎优化能够获得搜索引擎收录尽可能多的网页,并在搜索引擎自然检索结果中排名靠前,最终达到网站推广的目的。本文阐述了搜索引擎产业发展情况,针对导航型、信息型和交易型三种用户的搜索引擎使用体验,分别提出了相应的搜索引擎优化策略。     

航空发动机控制系统传感器智能故障诊断

航空发动机控制系统故障诊断一直是一个重点研究课题,本文使用智能故障诊断技术对发动机控制系统传感器进行状态检测和故障诊断。具体方法为:以传感器之间的冗余关系为基础,利用基于智能粒子群算法的小波神经网络建立传感器输出预测器,通过准确预测传感器输出,实现对传感器的检测和故障诊断。通过仿真验证,本文所使用智能故障诊断技术是可行的,具有一定的借鉴价值。     

基于Geodatabase的海洋地质研究成果数据库建设

本文以"海洋地质研究成果数据库"为例,介绍和讨论了基于Geodatabase技术构建空间数据库的方法和原理,以及建库过程中应注意的问题。     

电子商务网站的搜索引擎优化策略

搜索引擎优化,以其突出的优势正在渗透到网络的各个方面,成为网络营销的核心。本文分析了企业网站在搜索引擎优化上存在的问题,在此基础上提出电子商务网站的优化策略。