Pregled bibliografske jedinice broj: 1098947
Modeliranje i prognoziranje broja zaposlenih u turizmu i hotelskoj industriji u Republici Hrvatskoj primjenom modela umjetnih neuronskih mreža
Modeliranje i prognoziranje broja zaposlenih u turizmu i hotelskoj industriji u Republici Hrvatskoj primjenom modela umjetnih neuronskih mreža // Oeconomica Jadertina, 10 (2020), 2; 3-20 (međunarodna recenzija, članak, znanstveni)
CROSBI ID: 1098947 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Modeliranje i prognoziranje broja zaposlenih u
turizmu i hotelskoj
industriji u Republici Hrvatskoj primjenom
modela umjetnih neuronskih
mreža
(Modelling and forecasting the number of
employees in tourism and hotel
industry in the Republic of Croatia using the
model of artificial neural
networks)
Autori
Baldigara, Tea
Izvornik
Oeconomica Jadertina (1848-4956) 10
(2020), 2;
3-20
Vrsta, podvrsta i kategorija rada
Radovi u časopisima, članak, znanstveni
Ključne riječi
broj zaposlenih, turizam i hotelska industrija, sezonske vremenske serije, modeli umjetnih neuronskih mreža, model višeslojnog perceptrona
(number of employees, tourism and hotel industry, seasonal time series, artificial neural networks, multilayer perceptron)
Sažetak
Rad istražuje performansu i prognostičku moć modela umjetnih neuronskih mreža u modeliranju i prognoziranju vremenskih serija sezonskog karaktera. Modeli umjetnih neuronskih mreža primijenjeni su u modeliranju i prognoziranju ukupnoga mjesečnog broja zaposlenih, broja zaposlenih muškaraca i broja zaposlenih žena u djelatnosti pružanja usluga smještaja te pripreme i usluživanja hrane i pića u Republici Hrvatskoj. Dobiveni rezultati modeliranja uspoređeni su rezultatima dobivenim primjenom, nekih od tradicionalno korištenih kvantitativnih modela u analizi sezonskih vremenskih serija, kao što su Holt- Wintersov model trostrukoga eksponencijalnog izglađivanja te sezonski multiplikativni model eksponencijalnoga trenda. Evaluacija performansi te prognostičke moći pojedinih modela provedena je usporedbom prosječne apsolutne te prosječne apsolutne postotne pogreške i koeficijenta korelacija između stvarnih i procijenjenih vrijednosti, a prognozirane vrijednosti uspoređene su sa stvarnim vrijednostima. Evaluacija dobivenih rezultata pokazala je kako je odabrani model acikličkog višeslojnog perceptrona pogodan za modeliranje i prognoziranje vremenskih serija sezonskoga karaktera. Usporedba prognostičkih moći te stvarnih i prognoziranih vrijednosti broja zaposlenih sugeriraju kako je dizajnirani model umjetne neuronske mreže vrlo pouzdan. Navedeno upućuje na to kako modeli umjetnih neuronskih mreža posjeduju velike aplikativne potencijale u domeni modeliranja i prognoziranja vremenskih serija sezonskog karaktera
Izvorni jezik
Hrvatski
Znanstvena područja
Ekonomija
POVEZANOST RADA
Ustanove:
Fakultet za menadžment u turizmu i ugostiteljstvu, Opatija
Profili:
Tea Baldigara
(autor)
