Главным параметром в работе гостиничного бизнеса без сомнения является количество постояльцев гостиницы. Чтобы быть готовым к увеличению количества постояльцев, необходимо заранее сделать запасы, например, продуктов питания в кафе / ресторан, нанять дополнительный персонал и т.д. В то же время при возможном будущем снижении количества постояльцев необходимо принять превентивные меры, так как от количества постояльцев напрямую зависит доход. Таким образом, необходим прогноз количества постояльцев гостиницы. Существует большое количество методов прогнозирования для различных классов задач. В данном случае, на наш взгляд, наиболее применимыми являются искусственные нейронные сети. Количество постояльцев зависит от большого числа, как измеримых, так и трудно измеримых факторов. К измеримым факторам, которые после масштабирования можно подавать на входы нейронной сети, можно отнести: количество посетителей за предыдущие временные интервалы, количество забронированных мест на данный интервал год назад и т. д.. Но допустим, как учесть действия конкурентов? Как спрогнозировать отдачу при проведении в городе крупного спортивного соревнования или крупной конференции? Как учесть отдачу от веб - сайта гостиницы при условии постоянного колебания в рейтинге Яндекса и Google? При этом данные вопросы зачастую имеют "подводные камни", допустим не секрет, что устроители крупных мероприятий заселяют своих участников в "свои" гостиницы, в среде Интернет возможен "черный пиар" конкурентов и т.д. Для данных факторов необходимо формировать шкалы измерений, по которым эксперты будут проставлять баллы тому или иному трудноизмеримому фактору.
Для решения задачи прогнозирования количества постояльцев гостиницы, по результатам экспериментов авторов вполне достаточно многослойного персептрона (1 скрытый слой, количество нейронов в котором зависит от количества входов и размера исторической выборки) и обучения по методу обратного распространения ошибки. Наилучшие результаты прогнозирования достигались, если брался операционный интервал равный одной неделе. Основными входными данными являются количество постояльцев гостиницы за предыдущие периоды, при этом данный временной ряд необходимо подавать по принципу "скользящего окна". Выход многослойного персептрона для данной задачи один - количество постояльцев на следующий временной интервал. Отметим, что при подготовке выборки необходимо также учитывать сезонный фактор и праздничные дни.

Ссылка на работу в списке цитирования: Ключко В.И., Шумков Е.А., Карнизьян Р.О. Прогнозирование потока постояльцев гостиницы с помощью ИНС. //Материалы II Межвузовской научно-практической конференции "Автоматизированные информационные и электроэнергетические системы", Краснодар, КубГТУ, 2012

Ключевые слова: работа гостиницы, управление гостиницей, информационная система гостиницы, применение нейронных сетей