数学建模（LSTM）——新冠疫情对Q市旅游人数的影响.pdfVIP

数学建模 （LSTM）——新冠疫情对Q市旅游⼈数的影响 ⽬录 摘 要 ⼀种特殊的RNN模型——L TM模型，建⽴旅游⼈数预测模型，预测本⽉数据时考虑前24个⽉的数据，利⽤往年数据对模型进⾏训练，迭 代训练2000次，模型的损失函数降低到0.000 1⽔平。分别对20 19年和2020年旅游⼈数进⾏预测，测试值与真实值总⼈数相差不到1万 ⼈，并利⽤20 19年的测试数据和真实数据的标准差评估了模型的预测效果，标准差为53.86，所以模型预测效果⾮常好。通过⽐对2020 年真实值与预测值，分析出新冠病毒的全球蔓延对该市旅游⼈数影响巨⼤，使该市旅游⼈数减少了约74.67%，⼤约70 12万⼈。 关键词 ：旅游⼈数， LTM，新冠疫情. 1 问题重述 新冠疫情对Q市旅游⼈数的影响问题描述 20 19年末的COV- 19疫情的出现，在2020年产⽣了重⼤影响，全国多⾏业的发展有所减缓，Q市的旅游业也严重受到波及。近4年来 (20 16年~20 19年) Q市接待国内游客如下表 1所⽰。根据表中历史数据，试建⽴数学模型，回答以下问题 ： （1）根据20 16- 10 18前三年的数据，建⽴旅游⼈数预测模型，预测20 19年Q市各⽉的旅游⼈数，并和20 19年实际⼈数进⾏⽐较，说明 此模型的预测效果 ； （2）根据20 16-20 19年四年的数据，以上述模型预测并评价此次新冠病毒的全球蔓延对2020年Q市旅游⼈数造成的影响 （表2为2020 年实际旅游⼈数）。 表 1. Q市往年接待国内游客⼈数 （单位 ：万⼈） ⽉年 1⽉ 2⽉ 3⽉ 4⽉ 5⽉ 6⽉ 7⽉ 8⽉ 9⽉ 10⽉ 11⽉ 12 合计 ⽉ 20 16年 47 32 134 153 506 4 12 876 1226 237 589 142 64 44 18 年 48 35 146 183 7 13 425 1087 1347 26 1 754 173 82 5254 20 18年 53 3 1 158 224 86 1 537 1246 1562 326 924 2 15 87 6224 20 19年 57 34 164 238 976 6 12 1429 19 16 357 1163 206 75 7227 表2. Q市2020年接待国内游客⼈数 （单位 ：万⼈） ⽉年 1⽉ 2⽉ 3⽉ 4⽉ 5⽉ 6⽉ 7⽉ 8⽉ 9⽉ 10⽉ 11⽉ 12⽉ 合计 2020年 32 14 12 17 68 174 657 765 127 342 107 63 2378 新冠疫情对Q市旅游⼈数的影响问题中数据的解释 表格中单位为万⼈，模型预测结果可以采⽤四舍五⼊的⽅法保留四位⼩数。 2 假设和符号 2.1 基本假设 1. 旅游需求发展没有跳跃式发展，即需求的发展是渐进的，旅游业发展平稳。  2. 景点本⾝不发⽣⼤的变化。  3. 检索得到的数据可靠性⾼。 4. 旅游需求主要受资源，环境，交通，季节，费⽤和服务质量等因素的影响。 2.2 论⽂中所⽤符号说明基本假设 X ：代表⽉份 （1,2，…,12），输⼊数据 y ：代表每⽉对应的旅游⼈数 tanh：激活函数 C_t ：LSTM细胞状态 3 模型求解 3.1 模型的建⽴ 3.1.1 LSTM模型介绍 长短期记忆神经⽹络 （long short-term memory,L TM）是⼀种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸 问题。简单来说就是⽐普通RNN在更长的序列中有更好的表现。主要的改变是增加了三个门，分别是输⼊门、输出门和忘记门。 所有 RNN 都具有⼀种重复神经⽹络模块的链式的形式。在标准的 RNN 中，这个重复的模块只有⼀个⾮常简单的结构，例如⼀个 tan