本文的目的是了解传统和非传统统计技术预测动态酒店客房价格的潜力。 采用了四种预测模型：简单移动平均线，自回归综合移动平均线（ARIMA），径向基函数（RBF）和支持向量机（SVM）。 这项研究基于对史密斯旅行研究公司（STR）获得的数据进行的经验研究。 经济预测指标来自其他可靠来源，例如世界银行和世界旅游组织。 这项研究与有关机器学习准确预测酒店房间价格的能力的现有文献相一致。 考虑到酒店业的复杂性，在模型中测试了外部经济预测因素的影响。 挑战在于处理在收集到的数据中观察到的混合频率。 这项研究旨在为中东和北非（MENA）地区酒店业中有关机器学习的现有文献增加一种创新方法。 本研究中使用的某些