定量分析的模型.pdfVIP

旅游数理空间 定量分析的模型 （初稿） 随着旅游科学的发展，大量数理定量分析模型已经运用到了旅游学研究中，它包括了数 学、经济学、地理学、系统理论、计算机科学、统计学、心理学多学科的内容。笔者引用国 内外相关研究成果，结合我国实际，归纳出了以下对旅游科学研究有较高应用价值的数理模 型。其中部分模型，特别是旅游需求分析与预测方面的模型，引用了国外研究的最新成果。 该部分的内容有的涉及到很深的计量知识，所以在撰写过程中尽量避免罗列难懂的数学程 式，多用通俗的语言介绍模型的原理和应用，只作大概介绍，不作深入的探讨。由于时间仓 促，加上笔者水平有限，所列模型可能不一定齐全，还有很多地方需要进一步完善，希望专 家学者多多批评。 笔者归纳了旅游数理模型应用研究的一般模式： 观察实践——文献回顾——先期模型——提出假设——获取资料——建立模型——模 型检验——理论解释——建立理论法则——研究不足与展望 一 人工神经网络 1 模型原理与应用 人工神经网络 (Artificial Neural Networks,ANN)，简称 “神经网络”（NN），它是作为 对人脑最简单的一种抽象和模拟，是对人的大脑系统一定特性的描述。其中 BP 神经网络是 目前应用最为广泛的神经网络模型之一，也是应用最具有成效的神经网络模型之一。 BP 神经网络 (Back-propagation Neutral Network) 通常是指基于误差反向传播算法 (BP算法)的多层前向神经网络，采用由导师的训练方式。BP 算法已成为目前应用最为广泛 的神经网络学习算法，绝大部分的神经网络模型是采用 BP 算法或它的变化形式，它也是前 向神经网络的核心部分，体现了神经网络最精华的部分。 BP网络的学习训练过程由两部分组成，即网络输入信号正向传播和误差信号反向传播， 按有导师学习方式进行训练。在正向传播中，输入信息从输入层经隐含层逐层计算传向输出 层，在输出层的各神经元输出对应输入模式的网络响应；如果输出层得不到期望输出，则误 差转入反向传播，按减小期望输出与实际输出的误差原则，从输出层经到中间各层，最后回 到输入，层层修正各个连接权值。随着这种误差逆传播训练不断进行，网络对输入模式响应 的正确率也不断提高，如此循环直到误差信号达到允许的范围之内或训练次数达到预先设计 的次数为止。 Kohonen 网络基本思想是网络竞争层各神经元竞争对输入模式的响应机会，最后仅有一 个神经元成为竞争的胜者，并且只对和获胜神经元有关的各连接权系数进行修正，使之朝着 旅游数理空间 更有利于它竞争的方向调整。该模型主要用于模式识别。 BP神经网络广泛应用到了旅游需求、旅游流预测分析，旅游过程模拟中，Kohonen 网络 在旅游行为分类中有广泛应用。 神经网络方法进行旅游流预报建模时，神经网络的初始权值、网络结构以及网络的学习 参数，动量因子难以确定，往往是通过反复训练来确定网络的结构和各种参数，这样会导致 在应用中出现过拟合问题，严重影响网络的泛化能力，极大限制神经网络在实际工作研究中 的应用。 2 案例：对国际入境旅游需求的BP神经网络模拟 用3层BP网络模型对日本到香港的国际入境旅游需求进行模拟，根据BP网络模型的映射 原理，对于样本集合X和输出Y,可以假设其存在一映射F ,即Yi = F( Xi )。为了寻求F 的最 佳映射值, B P 网络模型将样本集合的输入、输出转化为非线性优化,通过对简单非线性函 数的复合，建立一个高度的非线性映射关系,实现F值的最优逼近。对于国际入境旅游需求的 仿真模拟，其输入层结点为 (6 个神经元) ：旅游服务的相对价格，外汇汇率，人口，人均 国内消费，平均旅馆价格，旅游目的地的旅游促销花费，记为X 。游客量为输出节点，记为 Y。隐含层节点数取为10 ，得出3 层前馈反向传播神经网络模型。经学习11788 －12565 次 后, H 值趋于收敛,其仿真结果令人满意,达到预期的效果。 【参考文献】 吴江华,葛兆帅,杨达源.基于人工神经网络的国际入境旅游需求的定量分析与预测——以日 本对香港的国际旅游需求分析为例.旅游学刊,2002,17(3):55-59. 二 面板数据模型 1 模型原理与应用 面板数据 （Panel Data）是一种特殊的数据类型。从横向角度分析，他具有横截面数据 的特征，而从纵向角度分析，又具有时间序列数据的特征。因此，也可以将面板数据理解成 是横截面数据和时间序列数据的特殊组合。在面板数