人工神經網絡在旅游人數預測中的應用研究

張莉

【摘 要】旅游市場趨勢預測是旅游業發展戰略和旅游規劃與開發工作的重要基礎依據，是旅游市場研究中最重要的內容之一。本文基于人工神經網絡方法，提出使用遺傳算法對人工神經網絡進行優化，進而進行預測，探索更精確、更適用于旅游市場預測現實狀況的預測方法。

【關鍵詞】旅游人數預測；人工神經網絡；遺傳算法；優化

0 引言

旅游市場趨勢預測是旅游業發展戰略和旅游規劃與開發工作的重要基礎依據，一直是旅游市場研究中最重要的內容之一。根據市場趨勢預測的結果，旅游相關部門才可以制定合理的旅游規劃，進行旅游資源的優化配置。旅游市場趨勢預測是在對影響市場的諸因素進行系統調查和研究的基礎上，運用科學的方法，對未來旅游市場的發展趨勢以及有關的各種因素的變化，進行分析、預見、估計和判斷。

近年來，旅游研究者對旅游市場趨勢預測的方法進行了探索。目前主要有時間序列法、回歸分析法、指數預測法、人工神經網絡法。由于旅游市場的變化受到諸多因素的影響，導致旅游市場的趨勢預測難度較大，但我們對預測精度的要求卻越來越高。

本文是基于人工神經網絡方法，提出使用遺傳算法對人工神經網絡進行優化，探索更精確、更適用于旅游市場預測現實狀況的預測方法。

1 方法概述

人工神經網絡是近年來的熱點研究領域，是人類智能研究的重要組成部分，已經成為神經科學、計算機科學、認知科學、數學和物理學等多學科關注的熱點。其應用領域包括：分類、預測、模式識別、信號處理和圖像處理等，并繼續向其他領域延伸。

1.1 BP神經網絡

BP神經網絡是一種多層前饋神經網絡，該網絡的主要特點是信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經隱含層逐層處理，直至輸出層。每一層的神經狀態只影響下一層神經元狀態。如果輸出層得不到期望輸出，則轉入反向傳播，根據預測誤差調整網絡權值和閾值，從而使BP神經網絡預測輸出不斷逼近期望輸出。

圖中，X1，X2，…，Xn是BP神經網絡的輸入值，Y1，Y2，…，Ym是BP神經網絡的預測值，wij和wjk為BP神經網絡權值。從圖可以看出，BP神經網絡可以看成一個非線性函數，網絡輸入值和預測值分別為該函數的自變量和因變量。當輸入節點數為n，輸出節點數為m時，BP神經網絡就表達了從n個自變量到m個因變量的函數映射關系。

1.2 遺傳算法

遺傳算法（Genetic Algorithms）是1962年由美國Michigan大學Holland教授提出的模擬自然界遺傳機制和重托進貨論而成的一種并行隨機搜索最優化方法。它把自然界“優勝劣汰，適者生存”的生物進化原理引入優化參數形成的編碼串聯群體中，按照所選擇的適應度函數并通過遺傳中的選擇、交叉和變異對個體進行篩選，使適應度值好的個體被保留，適應度差的個體被淘汰，新的群體既繼承了上一代的信息，又優于上一代。這樣反復循環，直至滿足條件。

1.3 遺傳算法優化BP神經網絡的流程

遺傳算法優化BP神經網絡分為BP神經網絡結構確定、遺傳算法優化和BP神經網絡預測3個部分。其中，BP神經網絡結構確定部分根據按擬合函數輸入輸出參數個數確定BP神經網絡結構，進而確定遺傳算法個體的長度。遺傳算法優化使用遺傳算法優化BP神經網絡的權值和閾值，種群中的每個個體都包含了一個網絡所有權值和閾值，個體通過適應度函數計算個體適應度。遺傳算法通過選擇、交叉和變異操作找到最優適應度值對應個體。BP神經網絡預測用遺傳算法得到最優個體對網絡初始權值和閾值賦值，網絡經訓練后預測函數輸出。

遺傳算法優化BP神經網絡是用遺傳算法來優化BP神經網絡的初始權值和閾值，使優化后的BP神經網絡能夠更好地預測函數輸出。遺傳算法優化BP神經網絡的要素包括種群初始化、適應度函數、選擇操作、交叉操作和變異操作。

1）種群初始化

個體編碼方法為實數編碼，每個個體均為一個實數串，由輸入層與隱含層連接權值、隱含層閾值、隱含層與輸出層連接權值以及輸出層閾值4部分組成。個體包含了神經網絡全部權值和閾值，在網絡結構已知的情況下，就可以構成一個結構、權值、閾值確定的神經網絡。

2）適應度函數

2 實證分析

旅游客流量與當地旅游硬件及軟件設施建設、各種交通設備的完善程度有著密切的關系。一個旅游地的交通設施完善程度決定了該景區的可進入性以及客源地到旅游地的時間距離，直接影響該景區游客量。此外，景區建設情況及旅游接待設施的建設情況決定著景區的吸引力。需要指出的是，由于信息傳達的特性，游客數量對景區旅游相關條件改善的反應具有延遲性的特點。本文中，采用2000 年以來北京旅客周轉量、人均GDP、全國交通、A級及以上景區個數、北京公共交通運營線路長度、北京市基礎投資，預測北京市旅游人數。

通過查詢中國國家統計局及北京市統計局相關資料，得到全國人均GDP、全國交通、北京市旅客周轉量、北京市A級及以上景區個數、北京市公共交通運營線路長度、北京市基礎投資數據，如表1所示。

根據遺傳算法和BP 神經網絡理論，在MATLAB 軟件中編程實現基于遺傳算法優化的BP神經網絡進行預測。預測誤差及真實值與預測值對比如圖2、圖3所示。

3 模型的評價

神經網絡是以數學模型尋找事物之間的規律，一個事物往往受到許多因素的影響，由許多細小的規律通過一系列變化而決定，神經網絡需要唯一的未知的但確定存在的規律，才能進行合理的訓練，不可牽強的將數據組合在一起，想讓它們形成某種規律。

遺傳算法優化BP神經網絡是對普通BP神經網絡的一種優化方法，如果把BP神經網絡看成是一個預測函數，遺傳算法優化BP神經網絡相當于優化預測函數中的參數，優化后BP神經網絡的預測效果一般優于未優化的BP網絡。但是該算法是有局限性的，它只能有限提高原有BP神經網絡的預測精度，并不能把預測誤差較大的BP神經網絡優化為能夠準確預測的BP神經網絡。

【參考文獻】

[1]鄭洲順，湯嘉，等.基于灰色預測模型的2008北京旅游人口預測分析[J].數學的實踐與認識，2010，5.

[2]張龍，李翔宇.基于灰色模型的旅游流量預測方法探討——以河北省為例[J].商場現代化，2007，6.

[3]史會峰，牛東曉，盧艷霞.基于貝葉斯神經網絡短期負荷預測模型[J].中國管理科學，2012，8.

[4]周志宏.基于SPS感知傳播模型的旅游景點游客人數預測[J].統計與決策，2011，19.

[5]那欣蘭，石培基，高栓成.基于LS_SVM的甘肅省國際旅游客流量預測[J].統計與決策，2010，18.

[6]蔣輝.我國人口預測分析[J].科技管理研究，2005，11.

[7]胡良劍，孫曉君.Matlab數學實驗[M].高等教育出版社，2006，1.

[責任編輯：楊玉潔]