近年来我国旅游业持续快速发展,但在2020年由于新冠肺炎疫情的影响,国内外旅游业均受到较大冲击。随着我国疫情防控工作取得的阶段性成果,国内旅游业开始复苏,在疫情防控常态化的要求下,许多景区开始对客流量进行调控,而无论是在疫情防控期间还是在正常时期都应尽可能避免景区出现人群拥挤的情况以保障游客人身安全,这对景区客流量的短期实时预测提出了很高的要求。同时,在“互联网+”的背景下,海量的网络搜索数据为景区客流量的研究提供了更多的可能。文章在总结分析前人研究的基础上,以四姑娘山景区日客流量数据为例,探讨建立合适的分析模型,以实现对其更为精准及时的预测。通过对景区日客流量数据特征的分析,将其分解为线性和非线性两个部分分别进行处理,对其线性特征建立时间序列模型,对非线性特征建立SVR模型,并在这一过程中引入网络关注度数据和工作日与否等时效性强的变量帮助模型拟合,之后结合两个模型各自的优势,在ARIMA模型分析景区客流量数据线性特征的基础上,对其预测误差重构并建立SVR模型以提取非线性特征,进而得到ARIMA-SVR组合模型;在SVR模型分析非线性特征的基础上,对其预测误差建立ARIMA模型以提取线性特征,从而得到SVR-ARIMA组合模型,最后两个单一模型的预测值之和即为组合模型对景区客流量的预测值。通过比较各时间序列模型的AIC值发现,包含百度指数的SARIMAX模型与原始模型相比,其AIC值由430.45减小为317.02,下降明显,说明将网络关注度数据（百度指数）以及工作日与否等变量与景区客流量数据结合起来的方法可以有效提高模型的预测精度,并且能够较好地解决传统数据获取的滞后性问题。而对各个模型在测试集的结果比较发现,ARIMA-SVR模型与ARIMA模型相比,其MSE值从0.592下降到0.579,MAE值从0.598下降为0.587;SVR-ARIMA模型与SVR模型相比,其MSE值从0.328下降到0.314,MAE值从0.415下降为0.372,且组合模型在训练集的表现亦优于各自所基于的单一模型,说明组合模型能够更充分的利用原始数据中的综合信息,相对单一模型误差更小,预测精度更高,避免了单一模型的局限性;同时还发现,基于ARIMA的单一模型和组合模型在训练集上的预测结果,表现均优于基于SVR的单一模型和组合模型,但在测试集上它们的预测效果却与之相反,说明基于SVR的两个模型具有更强的泛化能力,外推预测效果更好。组合模型的建立对旅游景区在疫情防控要求下的管理工作具有积极意义,并对相关问题研究具有一定的参考价值。