摘要：由于旅游突发事件的突然爆发性、危害性及信息不对称性，导致旅游客流量在短时间内发生急剧变化，原有模式被打破，非线性趋势和线性特征交织的随机性趋势明显，为旅游客流量正常预测带来极大的难度。本文提出一种面向旅游突发事件客流量混合预测方法，即支持向量回归（Support Vector Regression，SVR）和自回归求和移动平均模型（Autoregressive Integrated Moving Average，ARIMA）结合的混合预测方法：首先通过SVR预测旅游突发事件时期客流量，然后再用ARIMA预测SVR预测值的残差部分，最后将两者预测结果相加；同时针对客流量复杂特征，采用一种混沌粒子群算法（Chaos Particle swarm optimization，CPSO）实现对SVR参数选择。来自黄山风景区汶川地震时期客流量相关数据验证表明，混合预测模型优于单一预测方法，为旅游突发事件时期客流量预测提供了一种有效选择。

关键词：svr arima cpso 旅游突发事件 客流量预测 

单位：蚌埠学院经济与管理学院; 安徽蚌埠233000; 合肥工业大学管理学院; 安徽合肥230009; 蚌埠学院理学院; 安徽蚌埠233000