杭州旅游需求预测——BP神经网络算法.pdfVIP

实用标准文案 BP神经网络算法 研究的具体过程 1. 指标的选择及数据收集 考虑到数据的可得到性和有效性 ,选取了旅游资源、人力资源、交通、服务 质量、环境、费用的相关指标 , 详见表 1 。 2. 神经网络的确定 在 MATLAB R2010b 平台上选用 Feed- forward backprop 网络类型 （即 函数 newff ），训练函数选取了 TRAINLM, 阈值学习函数选取了 LERRNGDM, 性 能函数选取了 MSE, 网络层数选择四层（即一个输入层，两个隐层和一个输出 层），第二、三层（隐层）选取传递函数为 TANSIG ， 第四层（输出层）选取 传递函数为 PURELIN ，神经元个数为 1。预测过程中要创建两个网络 , 即旅游总 收入预测的网络和旅游人次数预测的网络， 两个网络其他方面完全相同， 唯一不 i 同的是隐层神经元个数不同， 隐层神经元个数选取原则为 P- 1 [5]( P 为期望输入 ii [6] 的变量数 )，本文中期望输入变量个数为 6 ，因此确定隐层神经元个数初值为 5 ，而后来在实际训练后发现，旅游收入预测网络的隐层神经元个数依次为 6 、5 个时最优，旅游人次数网络的隐层神经元个数依次为 5 、5个时最优。 3. 数据的转化与输入 以旅客总量 y / 万人次、旅游总收入 y / 亿元为神经网络的期望输出 [6], 以旅 1 2 游资源、人力资源、交通、服务质量、环境、费用为期望输入 [6]( 见表 1)。为让 数据更加具备典型性和更优良的泛化能力， 故把数据重新打乱顺序进行输入， 并 精彩文档 实用标准文案 分类为：训练输入数据、 变量数据、 测试数据， 每类数据的选用是随机的。 其中， 测试数据用来评价神经网络预测的科学性。表 2 中的数据浮动范围太大，如果直 接输入神经网络， 则网络训练时间太长， 则需要将数据进行归一化处理后再进行 调用，并在最终结果输出时再进行反归一化。 将测试数据仿真后的结果数据反归 一化，并与实际值的原值进行比较 , 求出误差，确定神经网络的实际预测效果。 在此贴出其中一次的运行结果，详见表 3和表 4 。 表 1 杭州市旅游需求预测的相关指标 影响因素 相关指标构成 旅游资源 x1 A 级景区数量 / 个、 交通 x2 服务质量 x3 旅行社数量 / 个、星级宾馆数量 / 个 环境 x4 费用 x5 人力资源 x6 导游数量 /