随着我国经济水平的提高， 旅游业的发展也越来越快， 游客人次的准确预测显得尤其重要。 主要提出了一种基于 ＬＳＴＭ 神经网络和 ＡＲＩＭＡ 模型的组合模型对入境游客人次进行预测， 并以香港、 澳门、 上海的入境游客人次为例， 进行了实证研究。 三个城市的入境游客人次的实证结果都表明动态神经网络 ＬＳＴＭ 比静态神经网络 ＢＰ 网络更适合预测时间序列，组合模型的预测较准确。 基于 ＬＳＴＭ 与 ＡＲＩＭＡ 的组合模型能较准确地预测入境游客人次， 对制定出更合理的旅游资源配置方案， 具有一定的参考价值和实践意义。

Ｗｉｔｈ ｔｈｅ ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｅｃｏｎｏｍｙ ｉｎ Ｃｈｉｎａ， ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｏｕｒｉｓｍ ｈａｓ ｂｅｅｎ ｆａｓｔｅｒａｎｄ ｆａｓｔｅｒ， ｔｈｅ ａｃｃｕｒａｔｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｖｉｓｉｔｏｒｓ ｉｓ ｐａｒｔｉｃｕｌａｒｌｙ ｉｍｐｏｒｔａｎｔ． Ａ ｃｏｍｂｉｎｅｄ ｍｏｄｅｌ ｂａｓｅｄ ｏｎＬＳＴＭ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ＡＲＩＭＡ ｍｏｄｅｌ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｉｎｂｏｕｎｄ ｔｏｕｒｉｓｔｓ． Ａ ｃａｓｅ ｓｔｕｄｙ ｉｓｃｏｎｄｕｃｔｅｄ ｂｙ ｔａｋｉｎｇ ｉｎｂｏｕｎｄ ｔｏｕｒｉｓｔｓ ｆｒｏｍ Ｈｏｎｇ Ｋｏｎｇ， Ｍａｃａｏ ａｎｄ Ｓｈａｎｇｈａｉ ａｓ ｅｘａｍｐｌｅｓ． Ｔｈｅｅｍｐｉｒｉｃａｌ ｒｅｓｕｌｔｓ ｏｆ ｉｎｂｏｕｎｄ ｖｉｓｉｔｏｒｓ ｆｒｏｍ ｔｈｒｅｅ ｃｉｔｉｅｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｅ ｄｙｎａｍｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ＬＳＴＭ ｉｓｍｏｒｅ ｓｕｉｔａｂｌｅ ｆｏｒ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｉｍｅ ｓｅｒｉｅｓ ｔｈａｎ ｔｈｅ ｓｔａｔｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ＢＰ ｎｅｔｗｏｒｋ． Ｍｅａｎｗｈｉｌｅ，ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｅｆｆｅｃｔ ｏｆ ｔｈｅ ｃｏｍｂｉｎｅｄ ｍｏｄｅｌ ｉｓ ｍｏｒｅ ａｃｃｕｒａｔｅ． Ｔｈｅ ｃｏｍｂｉｎｅｄ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ＬＳＴＭ ａｎｄＡＲＩＭＡｉｓ ａｂｌｅ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｑｕａｎｔｉｔｙ ｏｆ ｉｎｂｏｕｎｄ ｖｉｓｉｔｏｒｓ ｍｏｒｅ ａｃｃｕｒａｔｅｌｙ． Ｔｈｅｒｅ ｉｓ ａ ｃｅｒｔａｉｎ ｒｅｆｅｒｅｎｃｅｖａｌｕｅ ａｎｄ ｐｒａｃｔｉｃａｌ ｓｉｇｎｉｆｉｃａｎｃｅ ｆｏｒ ｍａｋｉｎｇ ｍｏｒｅ ｒａｔｉｏｎａｌ ａｌｌｏｃａｔｉｏｎ ｓｃｈｅｍｅ ｏｆ ｔｏｕｒｉｓｍ ｒｅｓｏｕｒｃｅｓ．