随着人们生活质量提高,旅游成为了新时代社会消费的主要方式之一。北京历史悠久,有浓厚的文化底蕴,是我国旅游出行的佳选。近年来北京游客量高速增长,给景区管理带来了严峻的挑战。北京旅游人数过多会严重降低游客们旅行的愉悦感,同时不利于北京景区的可持续性发展。因此对北京的游客量进行及时快速准确的预测在当下是十分必要的。本文基于百度指数,采用时间序列和机器学习的方法,建立预测模型,对北京A级及以上旅游区（点）和其他主要旅游区（点）境内接待人数进行预测。目的是为旅游相关职能部门提供决策依据。本文主要完成了以下工作:（1）使用TF-IDF方法得到文本中词语的权重,依据词语的权重以及词性,剔除百度指数未收录的词语,选定48个词语作为初始关键词,然后利用Python爬取2011年1月到2020年9月的关键词的百度指数,共计170928条数据,以及爬取北京市统计局同一时间段的旅游区接待人数,再利用Spearman秩相关系数对关键词的月百度指数和月游客量之间的相关性进行了分析,结果表明在置信水平为95%时,有46个关键词的百度指数和游客量之间存在相关关系;（2）由于关键词的百度指数与游客量之间存在一定的时滞性,利用时差相关分析,将超前关键词进行对齐处理,删除滞后关键词,获得32个最终关键词,然后用主成分分析法实现降维,消除多重共线性,合成了4个综合指标;（3）基于历史游客量建立了ARIMA模型,然后将4个综合指标以及时间变量当作输入变量,游客量当作输出变量,建立SVR模型,并对游客量进行了预测,将两次预测结果和真实数据作对比,绘制对比折线图,依据均方误差、均方根误差、平均绝对误差、平均绝对百分比误差这四个指标进行预测误差分析,分析结果表明,SVR模型预测误差更小,预测效果更好。通过研究可知,关键词的百度指数和游客量之间存在相关性,并且把关键词的百度指数和时间变量加入到输入变量中的SVR模型预测效果较好。