论文部分内容阅读
随着我国经济的持续高速增长和人均收入的提高,我国旅游市场呈迅速扩张态势。旅游业作为朝阳产业将对我国经济发展产生日益明显的推动作用,中国将成为世界一流旅游大国。建立科学的、可操作的旅游需求预测模型,进行准确预测是实现我国旅游业持续健康发展的基础性前提。 旅游需求预测模型研究一直是旅游学研究的重要课题。旅游研究人员、决策者以及从业人员都意识到对旅游需求进行准确的预测是非常必要的,但具体用什么数学模型来进行旅游需求的预测分析至今没有一个统一的范式。目前常用的主要是基于统计学的数学模型:时间序列预测模型、回归模型(包括线性的和非线性的回归模型),对目前已在许多领域广泛应用的人工神经网络模型应用很少。 人工神经网络是人类在对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的非线性动力系统,是理论化的人脑神经网络的数学模型,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它可以基于过去已有的实例样本进行“自学习”和模式识别。正是神经网络的模式识别能力使得它在实际应用中成为一种良好的分类和预测工具。因为神经网络可以很好地识别训练样本之间的相关性,所以它在预测功能上优于传统的统计分析方法。而且,当训练样本较少且有“白色噪声” (即随机误差)的时候,神经网络更是优于普通的统计模式。一般而言,旅游需求统计数据时间较短(也就是说可供“学习”的训练样本小),而且旅游需求还受到众多不可预知因素的干扰,所以在进行旅游需求预测时用神经网络是一个比较优越的模型分析方法。 论文以人工神经网络理论为基础,对旅游需求预测指标的选择、神经网络预测模型的选择、旅游需求神经网络预测模型的建模流程和实现方法进行了初步探讨,构建了基于人工神经网络的旅游需求预测理论。 论文中,主要是基于旅游需求的时间序列统计数据,应用人工神经网络多步预测和滚动预测方法,建立旅游收入神经网络预测模型和旅游人数神经网络预测模型。 论文采用三层前馈反向传播神经网络(Back-Propagation Network,简称BP网络)模型,以青岛市为例,对旅游需求进行了预测。在进行网络训练时,为了保证数据为同一个数量级,采用了归一化处理方法,对神经网络的输入和输出数据进行一定的预处理。算法上采用含有动量因子的自适应调整学习率的变学习率算法或Levenberg一Marquardi优化方法对网络进行训练,以提高网络的收敛速度。采用修改性能函数的方法,提高模型的泛化能力。 在青岛市入境旅游需求预测分析研究中,分别采用5一8一1和3一25一3神经网络结构建立旅游外汇收入预测模型与入境旅游人数预测模型,预测了青岛市2003一2008年旅游外汇收入以及入境旅游人数。为了验证人工神经网络模型的可行性,笔者用同样的训练样本分别建立了旅游外汇收入二次曲线模型、指数曲线模型和入境游客三次曲线模型、指数曲线模型。并对各种模型仿真结果用MAPE(绝对平均误差)、R(相关系数)、Z(输出数据可信度)3个精度评价参数来评价模型的精确度,结果表明神经网络模型的仿真精度比其他的模型好。 旅游需求神经网络预测模型的建立与实现,都是借助MATLAB软件。其中的神经网络工具箱以人工神经网络理论为基础,构造了网络分析和设计的许多工具函数。运用神经网络工具箱进行预测研究,编程简便,预测过程易于实现。 最后指出旅游需求神经网络预测模型是一种更为科学的预测模型,同时旅游需求神经网络预测模型也存在不足之处。