در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. به همین منظور پژوهش حاضر سعی دارد ابتدا 4 نوع از مهمترین انواع گردشگری داخلی شهر تهران را شناسایی و سپس مدل هایی برای پیش بینی متغیرهای تأثیرگذار بر پیش بینی تقاضای هر یک از آنها پیشنهاد کند. برای این کار از اطلاعات حتی المقدورماهیانه بین سال های 1381 تا 1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران داخلی شهر تهران به تفکیک 4 نوع از مهم ترین انواع گردشگری داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس روش دلفی فازی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون، شبکه عصبی فازی و الگوریتم SVR است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری و روش ها را باهم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی (ANFIS ) دارای کمترین خطا در مقایسه با سایر روش ها در خصوص پیش بینی گردشگری تفریحی و VFR داخلی و رویکرد ترکیبی رگرسیون و الگوریتم SVR دارای کمترین خطا در مقایسه با سایر روش ها در خصوص پیش بینی گردشگری پزشکی و تجاری- اداری داخلی است.
