基于神经网络的入境旅游人数预测.docVIP

基于神经网络的入境旅游人数预测 　　摘要：入境旅游人数分析是旅游开发的基础。尝试利用人工神经网络的 3层BP模型来仿真模拟入境旅游人数，其输入层结点为3，输出节点为1，得出 3层前馈反向传播神经网络模型。结果表明人工神经网络模型的模拟结果与实际情况逼近。 　　Abstract: Analysis of inbound tourists is the basis of tourist development.This paper intends to present a new approach that uses ANN to predict inbound tourists.The paper set up the back propagation neural network.The input layer contains 3.The output contains 1.It was approved that the neural network model outperforms. 　　关键词：神经网络；入境旅游人数；预测 　　Key words: neural network；inbound tourists；prediction 　　 中图分类号：TP183文献标识码：A 文章编号：1006-4311（2011）25-0017-01 　　0 引言 　　随着经济的不断发展，人民生活水平得到极大提高，目前像旅游业这种第三产业，已经成为经济发展中的支柱型产业，在经济发展中起到举足轻重的地位，旅游业对经济的带动性作用效果是明显的，它能带动经济消费，解决就业问题，推动文化的交流与普及，同时还能提高人们的环保意识，让人们学会爱护环境。 　　目前旅游业成为我国扩内需、调结构、促增长、惠民生的重要力量。“十二五”时期，我国旅游业将进入发展最好的时期，处于高速增长的新阶段。国内旅游成为产业发展的基础。旅游产业规模将持续扩大，产业结构将逐渐优化，产业素质将明显提升，产业功能将有效释放。入境旅游人数指报告期内来我国观光、度假、探亲等港澳台同胞或来我国从事经商、传播宗教、交流文化的外籍游客。 　　统计时，外国人、港澳台同胞每入境一次统计1人次。2010年，入境旅游人数1.34亿人次，增长5.8%；旅游外汇收入458亿美元，增长15.5%。准确的记录入境人数，用于拟定适合我国经济特色的旅游产业发展策略，对旅游业的持续健康发展有积极重要的意义，传统的旅游需求预测方法，对发展较平稳的预测效果较好，最常见的有因果模型预测法、时间序列模型预测法、回归模型预测法。但不适于现在经济的发展趋势，因为现在的旅游业不稳定因素很多，有很多的突发状况，因此应适时的研发一些新的解决方法。 　　而神经网络有处理该问题的能力，在很多领域得到应用[1-2]，本文以1995-2010年我国入境旅游的历史数据为基础，利用3层BP 人工神经网络对我国入境旅游发展进行预测研究。 　　1 入境旅游人数数据 　　1995年-2010年的入境旅游人数来源于国家统计局。为提高训练速度和灵敏性，一般要求输入数据的值在0-1之间。因此，要对输入数据进行预处理。本文利用归一化处理方法进行了历史数据的预处理。采用1995年-2004年的历史数据为训练样本，利用2005年-2010年的历史数据作为测试样本。 　　2 入境旅游人数预测模型 　　人工神经网络源于对脑神经系统的模拟，具有很强的适应与多目标控制要求和复杂环境的自学能力，并且具有以任意精度逼近任意非线性连续函数的特性，可以较为逼真地模拟真实经济系统，其结构可认为是真实系统的映射，广泛应用于自动控制、人工智能、统计学、机器人等领域的信息处理中。神经元可构成各种不同拓扑结构，形成不同的神经网络。有代表性的网络模型有误差反向传播BP网络、感知器、径向基RBP网络、Hopfield网络、Boltzmann机网络及自组织网络等。运用网络模型可以实行模式识别、数据聚类、函数逼近、优化计算机预测等功能。在时间序列预测中，当前应用中较为广泛和成熟的是误差逆向传播网络，简称为BP神经网络，本文采用的就是BP网络。BP神经网络通常由输入层、一个或多个隐层和输出层组成，其中隐层中的神经元均采用Sigmoid型变换函数。输出层的神经元采用纯线性变换函数。因为任意一个连续函数或映射均可采用三层网络加以实现，因此采用3层网络。时间序列数据输入层节点数是人为确定的，输入层节点数太多就会造成网络学习次数较大，输入层节点数太少则不能反映后续值与前驱值的相关关系。经反复试验，最终确定输入层节点为3个，输出层节点数为1个，隐层节点数确定为5。为缩短学习时间，BP神经网络学习算法采用了Levenberg-Marquardt数值优化法。 　　结果表