旅游安全的人工神经网络预警系统.docVIP

旅游安全的人工神经网络预警系统 　　摘要：针对于旅游安全预警问题，运用人工神经网络理论和方法，建立旅游安全预警的BP神经网络模型。通过实例进行分析，说明用BP神经网络方法是可行的。该模型具有很强的学习、联想和容错功能，其分析结果和过程都接近人脑的思维过程和分析方法，使得旅游安全预警结果的精度大大提高。 　　Abstract: According to ANN theory and method, a BP neural network model for tourism security early warning was built. The result shows that the application of BP neural network in tourism security early warning is feasible. This model possesses strong functions of study, association and fault tolerance, moreover, both its analysis results and process approach the metal process and analysis method of human brain, which greatly improves the accuracy for tourism security early warning. 　　关键词：人工神经网络；旅游安全；预警系统 　　Key words: artificial neural network；tourism security；early warning system 　　中图分类号：TP31 文献标识码：A文章编号：1006-4311（2011）18-0158-01 　　0引言 　　旅游业在世界范围内已成为最重要的产业之一，占全球GDP 份额已超过10%，随着人们生活水平的提高和旅游资源的开发利用，旅游业正逐渐成为我国一些地区的“支柱产业”和“新的经济增长点”，但是旅游者在旅游过程中遭遇到各种灾害性事故的频率也有较大幅度的提高，因此旅游安全预警势在必行。人工神经网络方法比传统线性方法具有以下突出的优越性：所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；神经网络具有高度的并行结构和并行实现能力，具有高速寻找优化解的能力，能够发挥计算机的高速运算能力，可能很快找到优化解；神经网络模拟人的思维是非线性的，这一特性有助于处理非线性问题；通过对过去的历史数据的学习，训练出一个具有归纳全部数据的特定的神经网络，自学习功能对于预测有特别重要的意义。在神经网络模型中，BP人工神经网络是当前最具代表性和应用最为广泛的一种神经网络，其结构简单，工作状态稳定，易于实现，是通用性和适应性较强的网络，已在多个领域中得到初步的应用[1-2]。因此应用BP神经网络对旅游安全预警系统进行了研究。 　　1旅游安全预警的神经网络模型 　　BP网络算法即逆向传播学习算法（back propagation learning algorithm）由输入层、输出层和若干隐层组成。当信号输入时，先传到隐层神经元，经神经元作用函数转换后，再把信号传播到输出神经元，经过处理后输出结果。BP人工神经元网络通过对许多简单神经元作用函数的复合来逼近输入、输出之间的映射，它是一种快速下降的迭代方法，目的是使实际输出和预期样本输出之间的均方差最小化。影响旅游安全预警的主要因素可归纳为旅游地灾害频度、出游设施安全度和旅游地区域安全度3大类。具体分为以下3类10个子因素，包括主客文化冲突潜在指数、居民消费价格指数上涨率、暴发瘟疫性疾病的频率、交通路况安全度、社会治安稳定度、社会实际失业率、地震地质灾害发生频率、水文气象灾害发生频率、旅游设施使用饱和度、政治稳定度。 　　研究中，将10个子因素作为输入向量，数据来源于文献[2]，一般来说三层神经网络可以逼近任何函数关系，因此本文采用三层网络，在训练前馈网络之前，权重和偏置必须被初始化，初始化权重和偏置的工作用命令init来实现，这个函数接收网络对象并初始化权重和偏置后返回网络对象。隐含层神经元的确定没有统一的方法，这里采用试错法，经过反复训练确定隐含层为7个神经元，输出向量为1个神经元，期望值1、2、3、4分别代表旅游安全的4种状况：优秀、良好、合格和恶劣。目前传统神经网络面临的难题是学习时间较长，特别是大规模神经网络学习时间太长，令人难以忍受；很容易陷入局部极小值，常常收敛于局部最优解。因此采用改进BP算法的神经网络，RPROP是权重和阈值更新值的直接修改，它和以学习速率为基础的算法相反，RPRO