@搜索指数构建
@预测指标检验DM test
今天的这篇文献诗关于混频机器学习预测的文献，也是最近发表在TM上的文章，一作是广西大学的胡明明老师，这篇文献最主要的卖点是提出了一个混频的机器学习模型，即BiLSTM-MIDAS模型，将低频的需求数据和高频的搜索指数数据结合。
标题：Tourism forecasting by mixed-frequency machine learning
摘要：本研究旨在建立高频百度搜索量、低频游客到达和虚拟变量之间的非线性关系，并提出了一种混合频率机器学习模型：双向长短期记忆混合频率数据采样 （BiLSTM-MIDAS） 模型。预测中国鼓浪屿和九寨沟每周游客人数的实证结果表明：（1） BiLSTM-MIDAS 可以跑赢基准模型，这在 COVID-19 大流行期间也得到了证实;（2） 与 MIDAS 模型相比，使用 BiLSTM-MIDAS 建立高频百度搜索量、低频游客到达量和虚拟变量之间的非线性关系可以提高高频搜索引擎在预测旅游需求中的作用。这项研究代表了将机器学习方法应用于混合频率数据的旅游需求预测的首次尝试。
引言结构:
第一段：介绍研究背景（COVID对旅游业的影响很大）和需求预测的重要性；
第二段：介绍互联网搜索数据的重要性，引出预测中混频方法的使用
第三段：介绍现有MIDAS系列模型的局限性：① MIDAS 的预测性能取决于权重函数。而权重函数的选择很困难和复杂；②在处理高频信息的时候，MIDAS 系列模型可能无法完全提取这些非线性关系。
最后一段提出：本研究的研究方案和研究贡献。
（注： MIDAS 模型是专门为混合频率数据建模而设计的，但它通过权重函数将高频变量线性组合成与预测变量频率相同的数据）
引言部分的框架很符合《金字塔原理》的引言构建框架 “背景-冲突（局限性）-解决方案” 的框架
文献综述结构:
分别从三方面回顾：1、旅游需求预测的常用方法；2、使用搜索引擎进行旅游需求预测的研究；3、混频数据的研究现状。
理论基础：旅游动机理论和旅游信息搜索行为理论
研究内容
研究的流程图：
第一步：收集数据
第二步：对百度指数（因为搜索了多组相关的关键词）通过主成分分析进行降维；然后对低频游客周数据和高频百度指数聚合数据进行混频处理
第三步：建模预测
研究选择了三组基准模型：（1）时间序列模型包括EST、SNAIVE、SARIMA；（2）传统混频的计量模型包括MIDAS-SARIMA还有SARIMAX；（3）智能模型和MIDAS模型结合包括BPNN-MIDAS和LSTM-MIDAS
第四步：模型评估。首先使用了MAE、RMSE、MAPE和MASE模型进行评估，然后使用Diebold-Mariano（DM）测试比较模型性能。
BiLSTM-MIDAS模型框架图：本质是先构建混频数据然后用BiLSTM跑数据。
混频数据的构建：如（a） 和 （b） 所示，在构建百度指数生成的每周游客人数和高频次每日主成分变量时，我们将每周对应的 7 天视为百度指数生成的主成分变量的 7 个不同的外生变量。（有一个疑问，通过周的Y对应该周七天的百度指数来作为7个X构建混频数据，如果Y是月度数据那就是通过本月的30（31）天的百度指数做了30（31）个X构建混频？）
*研究数据采用的是鼓浪屿和九寨沟，在描述的时候会讲述选择这两个景区的原因，因为他们是5A景区有代表性；然后讲述为什么要构建周数据，阐明周预测的重要性（毕竟原始数据是日度的为什么要去预测周需求，所以需要说明周预测的重要性）
在 BiLSTM-MIDAS 模型中，对高频百度搜索量和低频游客到达量进行了归一化处理。使用 BiLSTM-MIDAS 预测游客到达人数时，输出将被反归一化到原始水平。
虚拟变量研究考虑了两个假期虚拟变量分别为五一假期和国庆假期，同时还考虑了紧急虚拟变量反映紧急事件（例如，台风、与雪有关的灾害、地震等）的影响。
搜索指数的处理
从这篇文章可以学习一下这篇文章针对搜索指数构建的方法，这篇文章主要也是参考了几篇论文构造的，主要分3步：
step1：确定主题词，这篇文章确定了餐饮、购物、住宿、交通、旅游和景点相关的初始关键词，（可以根据百度指数的需求图谱确定相关词）
step2：关键词筛选，根据pearson相关系数进行筛选，并对每个搜索序列构建0-14期滞后期序列计算相关系数，选择每个搜索序列及滞后序列最大的一个指标，如下图所示。
step3：整合关键词搜索量。由于选择出来的搜索序列多，容易出现过拟合，所以使用PCA进行降维处理。
研究做的是提前一周的预测，百度指数的滞后期最小是0，即使用当天的搜索指数
