基于EMD-BP神經網絡的游客量預測研究

陸利軍，廖小平

（1.中南林業科技大學 旅游學院，長沙 410004；2.湖南工學院 經濟與管理學院，湖南 衡陽 421008）

0 引言

近年來，我國旅游人數的急劇增長，加之因休假制度設計尚未完善導致的節假日旅游需求的集中釋放，給旅游景區造成了極大沖擊。因景區超載、游客擁擠等問題帶來的安全隱患嚴重影響了旅游者的出行體驗和旅游產業的健康發展。準確的游客量預測能夠讓旅游經營和管理者提前對游客量有一個清晰的認知，進而通過合理調度和配置有限旅游資源的方式最大限度的避免這種混亂局面的產生。因此運用科學有效的游客量預測模型，對游客量進行及時、精準地預測，對提升旅游者的出行體驗和優化旅游產業的發展意義重大。

在已有的研究文獻的基礎上[1-9]，本文以基于BP神經網絡建立的預測模型為基準模型，就BP神經網絡本身已經突顯的問題，提出利用信號處理中的EMD方法進行原始數據優化的策略，創建EMD-BP神經網絡預測模型，以探究互聯網時代游客出行新特征，進而指導旅游經營和管理部門建立完善的旅游安全警報體系和旅游資源合理高效配置，促進旅游目的地服務質量的提高和旅游行業的可持續發展。

1 研究方法

1.1 BP神經網絡

BP神經網絡是1986年由Rumelhart和McClelland等提出的算法。該算法主要由輸入層（Input）、隱藏層（Hide layer）和輸出層（Output layer）組成（其中，隱藏層≥1）。其學習過程可分為前向計算與反向誤差傳播兩部分。BP神經網絡所涉前項計算和反向誤差傳播算法詳見由張良均等編著的《神經網絡實用教程》[10]。

1.2 Elman神經網絡

Elman動態神經網絡是由Jeffrey L.Elman提出的一種反饋神經網絡算法。與BP神經網絡算法相比，該算法尤其善于預測動態變化的時間序列[11]。

與傳統BP神經網絡相比，Elman神經網絡最大特征體現在其承接層的設置，也正因為如此，該系統具有適應時變的特點，可以直接反映系統屬性的動態過程[12]。

1.3EMD算法

EMD算法是由N.E.Huang提出的一種自適應信號時頻處理方法。該算法被廣泛運用于分析非線性、非平穩信號序列中[13，14]。

2 實證分析

2.1 數據采集

在現有的文獻中，對游客量進行預測的數據來源主要有結構化數據（比如國家統計局公布的官方數據）和非結構化數據（比如網絡日志、圖片、音視頻文件）。本文用到的數據主要來源于兩部分：第一，來自于張家界統計信息網的游客量數據；第二，來自于網絡搜索引擎的搜索行為數據。

2.1.1 歷史統計數據

張家界的游客量數據來自張家界統計信息網（http://tjj.zjj.gov.cn）發布的定期數據，本文以月為周期進行統計，截選2011年1月至2018年3月共87個周期的游客量數據和網絡搜索數據。本文選取2011年1月至2017年3月共75個周期為訓練集，在綜合考慮張家界旅游淡旺季的基礎上選擇2017年4月至2018年3月共12個周期為預測集。

2.1.2 網絡搜索數據

步驟1：首先分別從吃、住、行、游、購、娛及其他等7個類別出發篩選出若干個初始關鍵詞，設該關鍵詞為xi；繼而利用百度指數①本文主要采用webdriver模擬用戶登錄，獲取百度指數圖片，再基于tesseract訓練的指數識別程序得到百度指數。的需求圖譜推薦功能，獲得與初始關鍵詞相關的檢索詞作為拓展關鍵詞；

步驟2：將搜索量為零和未被收錄到百度指數的關鍵詞剔除，并計算剩余網絡搜索關鍵詞與游客量序列之間的皮爾森相關系數；

步驟3：選取相關系數大于0.8，并且該相關系數出現在先行期大于1期的網絡搜索關鍵詞。根據上述兩個篩選條件選擇7個網絡搜索關鍵詞；

步驟4：合成搜索指數Index7，合成公式為：Index7=

2.2 基于BP神經網絡的預測

2.2.1 數據處理

步驟1：將張家界國內游客接待量數據Y轉為兩列，第一列為T月的游客數、第二列為T+1列的游客數，以第一列的游客數作為一輸出X1，第二列T+1為預測值Y；

步驟2：以網絡搜索指數index7作為另外一個輸入X2；

2.2.2 模型搭建

基于神經網絡相關理論，論文選用三層網絡結構（輸入層，隱藏層與輸出層分別包含6個，25個和1個神經元）。將學習率設置為0.001，迭代次數為1000次。

2.2.3 仿真預測

基于上文預測模型，輸入測試數據，得到預測結果如圖1和圖2所示。客量趨勢與真實趨勢大體上保持一致；但是，其相對誤差偏高，部分月份的誤差數據接近0.3?？梢?，基于BP神經網絡的預測模型與實際值之間的擬合效果不佳，預測模型有待進一步改進。

圖1 BP模型預測值與實際值對比結果

圖2 BP模型的相對誤差值

2.3 基于Elman神經網絡的預測

在對游客量數據和網絡搜索Index7指數進行歸一化處理之后，論文創建了基于Elman神經網絡的預測模型，并運用試算法最終確定選擇6個神經元，結果如圖3和圖4所示。

圖3 Elman模型預測值與實際值對比結果

圖4Elman模型的相對誤差值

由圖3看，Elman模型的預測效果比經典BP模型要好；如圖4所示，Elman模型的相對誤差值的誤差分布更加集中；然而，不足之處在于，個別誤差（第5個周期和第9個周期）依舊偏大（0.4，0.65），波動較為劇烈，預測精度有待進一步提高。

2.4 基于EMD-BP神經網絡的預測

2.4.1 EMD分解

利用Python語言，根據EMD去噪算法，對張家界旅游客流量和網絡搜索指數Index7分別進行EMD分解。經過分解后分別獲得4條IMF函數序列（IMF-1，IMF-2，IMF-3，IMF-4，）和一條殘差（residue），如下頁圖5和圖6所示。

圖5和圖6中，IMF函數序列和殘差按照頻率從高到低的順序排列。前面的IMF分量代表了旅游客流量和Index7的高頻時段，體現了旅游客流量和Index7的短期變化情況；后面的IMF分量體現了旅游客流量和Index7的低頻時段，體現了旅游客流量和Index7的長期變化情況；最后一個分量，即殘差（residue）則體現了旅游客流量和Index7的走勢。

2.4.2 分量識別

圖5 張家界旅游游客量EMD分解

圖6 網絡搜索指數Index 7 EMD分解

旅游客流量與Index7的各個IMF分量與原始時間序列的關聯程度結果如表1和表2所示（根據皮爾森相關系數方法計算方法得出）。

表1 旅游客流量皮爾森相關系數

表2 Index7皮爾森相關系數

表1中，旅游客流量的IMF-1，IMF-3和IMF-5的皮爾森相關系數較高，分別是0.4014，0.6549和0.2771，這說明這三個IMF分量與原始數據序列的相關性較強，其余兩個IMF分量與原始數據序列相關較弱?？梢?，IMF-1、IMF-3和IMF-5是有意義的相關分量。表2中，Index7的IMF-2，IMF-3和IMF-5的皮爾森相關系數分別是0.4630，0.3500和0.5795，在所有系數中較高，說明其與原始數據序列的相關性較強。其余分量（IMF-1，IMF-4）均較弱。可見，IMF-2，IMF-3和IMF-5是有意義的相關分量。

2.4.3 仿真預測

根據各個IMF分量與原始數據序列相關程度的大小，論文嘗試將分解后得到的各個IMF分量用獨立輸入和組合形成新變量的方式輸入到構建的神經網絡模型當中。根據相關程度的大小差異，分解形成的各個IMF分量存在三種不同的組合形式，因此模型結構也存在三種：

（1）組合（一）：將各個分量視為獨立變量輸入神經網絡預測模型。根據本文所收集的87個周期的原始數據基本特征，選取前75個數據作為訓練數據，2017年4月至2018年3月（12個周期）為測試數據，將預測數據疊加還原后得到的預測結果如圖7和圖8所示。

圖7 EMD-BP-1預測與實際值對比結果

圖8 EMD-BP-1模型的相對誤差值

從圖7和圖8中看出，EMD-BP-1模型僅在個別時刻與真實旅游客流量差別較大，預測誤差總體較小。結果證明，把每個分量作為獨立個體輸入至BP神經網絡可行，但是這種方式需要建立多個網絡模型，計算量大，花費時間多。

（2）組合（二）：根據相關程度，進行分量組合。綜合考慮旅游客流量和Index7兩個變量的情況，選擇與旅游客流量和Index7原始時間序列相關度均較高的兩個分量IMF-3和IMF-5進行組合，形成一個新的分量，把其余相關度一般或者較低的IMF-1，IMF-2和IMF-4進行組合，形成一個分量，將重組后的分量輸入模型。選取前75個數據作為訓練數據，2017年4月至2018年3月（12個周期）為測試數據。將預測數據疊加還原后得到的預測結果和誤差如圖9和圖10所示。

圖9 EMD-BP-2預測與實際值對比結果

圖10 EMD-BP-2模型的相對誤差值

從圖9和圖10中看出，這種組合方式得出的旅游客流量預測值相比組合（一）而言更為貼近真實趨勢，但該組合對于季節峰值預測精度較差。

（3）組合（三）：將與旅游客流量和Index7原始時間序列相關度均較高的兩個分量IMF-3和IMF-5作為獨立分量，把其余三個分量（IMF-1，IMF2和IMF4）進行組合，形成一個新的分量，將IMF-3，IMF-5和新形成的分量輸入模型，選取前75個數據作為訓練數據，2017年4月至2018年3月（12個周期）為測試數據，預測結果和誤差如圖11和圖12所示。

圖11 EMD-BP-3預測與實際值對比結果

圖12 EMD-BP-3模型的相對誤差值

從圖11和圖12中看出，預測結果相比較于前幾種方式更為準確，其預測值和真實值處于多數一致狀態，除個別極值外，其他的預測誤差波動均都保持在10%的誤差范圍內。

2.5 各模型預測結果評價

用于測算模型預測效果的指數很多，論文主要選擇MAPE和RMSE標準來衡量基于BP神經網絡與改進神經網絡模型的預測效果。MAPE和RMSE的基本計算公式如式（1）和式（2）所示。相關測算值如表3和表4所示。

表3 未來12期預測結果和預測誤差

表4 模型預測效果MAPE、RMSE評估結果

從表3可以看出，在預測張家界的旅游客流量時，基于BP神經網絡的預測模型的MAPE和RMSE均是最大的。這就說明，在上述的5個模型當中，原始BP模型的預測誤差最大，Elman模型其次；而就短期預測表現而言，Elman模型相比其他模型表現更優。

表4中可以看出，相比于未進行EMD分解去噪的預測模型，EMD-BP神經網絡系列預測模型中的EMD-BP-1和EMD-BP-3的MAPE和RMSE均有顯著下降，這也體現了EMD分解去噪對于提高游客量預測精度的重要作用。

總體來看，在五種神經網絡預測模型中，基于EMD-BP神經網絡的系列預測模型表現明顯優于兩個基準模型，在12個月內的預測誤差低于BP神經網絡和Elman兩個基準模型的預測誤差。

僅就兩個基準模型而言，Elman神經網絡模型效果相比BP網絡稍好；利用信號處理中的EMD方法進行原始數據優化策略建立EMD-BP神經網絡系列預測模型的預測值序列與原值最為接近，這就說明，EMD降噪算法在提升BP神經網絡預測模型的預測效果是有效的。而在EMD-BP系列神經網絡模型中，EMD-BP-1和EMD-BP-3的預測結果相似，都明顯好于EMD-BP-2。這個結果表明，高相關度的三個分量IMF-1，IMF-3和IMF-5以獨立個體形式輸入到BP網絡神經中的預測效果最佳，而將兩者重組結合方式輸入到BP神經網絡中的預測效果則為一般，低相關性分量不論以何種形式輸入模型，對預測效果影響有限。

3 結論

針對BP神經網絡在預測非線性時間序列時存在的缺陷[15]，本文提出了運用EMD方法進行數據優化的基本策略；為了全方位檢測基于BP神經網絡預測模型的優缺點，文中還引入了在預測動態變化時間序列方面有較好表現的Elman模型作為參照模型。

經過分析可得出以下研究結論：（1）EMD去噪算法和平穩化分解可以為預測模型提供相關度更高的IMF分量；（2）就預測結果而言，不同的分量組合方式具有不同的優缺點：①將各個IMF分量作為獨立變量輸入預測模型，可最大限度保留完整的分量信息；②將各個IMF分量以組合形式輸入網絡，則可最大限度減少輸入維度，從而縮短預測模型的實際訓練時間；③旅游是一個由多種因素共同作用的復雜系統，大量的噪聲干擾可能會影響旅游客流量預測效果甚至造成嚴重偏差。且因歷史數據與網絡搜索指數的非線性性質，噪聲干擾不可避免。運用EMD去噪算法對原始序列數據進行“降噪處理”能夠有效保證“預測精度”。