基于BP神經(jīng)網(wǎng)絡(luò)的旅游資源評價模型分析

劉燕威

（楊凌職業(yè)技術(shù)學(xué)院，陜西 楊凌712100）

對旅游資源進行評價是一個受各種因素制約且具有較強主觀色彩的過程，由于各評價模型中變量多、非線性強，因此，關(guān)于旅游資源評價結(jié)果的準確性一直飽受爭議。

BP（Back propagation）神經(jīng)網(wǎng)絡(luò)模型是一個針對誤差分析的反向運算過程，其具有較強的容錯能力，在迭代過程中的非線性能有效避免誤差的積累，對降低運算誤差十分有利，同時該模型能充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力，提高了運算的智能程度［1-3］。陰姣姣等［4］根據(jù)旅游資源的特點，構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型的25個評價指標(biāo)；韓福麗［5］利用BP神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢對25個評價指標(biāo)進行了精簡合并；陳萍萍［6］將BP神經(jīng)網(wǎng)絡(luò)模型首次應(yīng)用到紅色旅游資源評價中，給出了紅色旅游資源評價的16個指標(biāo)；李尚胥等［7］首次分析了誤差大小對評價結(jié)果的影響。從國內(nèi)外研究現(xiàn)狀來看，盡管BP神經(jīng)網(wǎng)絡(luò)模型在旅游資源評價中有許多優(yōu)點，但目前的研究仍局限于模型內(nèi)部的構(gòu)件，缺少系統(tǒng)的研究和應(yīng)用。因此，本研究從評價模型整體出發(fā)，構(gòu)建系統(tǒng)指標(biāo)及選取誤差值，并對BP神經(jīng)網(wǎng)絡(luò)模型進行了應(yīng)用。

1 BP神經(jīng)網(wǎng)絡(luò)原理分析

BP神經(jīng)網(wǎng)絡(luò)是一種具有多層結(jié)構(gòu)（一般包含輸入層、隱含層和輸出層）映射神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，圖1展示了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。

圖1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)算法包含數(shù)據(jù)正向傳播、誤差反向傳播和誤差調(diào)整計算3個步驟。假設(shè)輸入層節(jié)點個數(shù)為n，隱含層節(jié)點個數(shù)為q，輸出層節(jié)點個數(shù)為m，輸入層至隱含層間權(quán)值為vki，轉(zhuǎn)換關(guān)系用f1表示；隱含層至輸出層間權(quán)值為wjk，轉(zhuǎn)換關(guān)系用f2表示，則由輸入層至隱含層的轉(zhuǎn)換可用式（1）表示，由隱含層至輸出層的轉(zhuǎn)換可用式（2）表示：

式中，zk為輸入層轉(zhuǎn)換至隱含層后的值，xi為輸入層值，i為1到n的整數(shù)。

式中，yj為隱含層轉(zhuǎn)換至輸出層后的值，k為1到q的整數(shù)。

根據(jù)以上計算規(guī)則，得到計算機中BP神經(jīng)網(wǎng)絡(luò)算法流程，如圖2所示。

2 評價指標(biāo)體系建立

本研究根據(jù)科學(xué)性、獨立性、量化性和全面性的原則，結(jié)合文獻比較法、理論分析法和專家咨詢法3種分析方法，構(gòu)建了旅游資源評價指標(biāo)體系。

圖2 BP神經(jīng)網(wǎng)絡(luò)算法流程

表1 旅游資源評價相關(guān)文獻

經(jīng)查閱相關(guān)文獻，按照統(tǒng)計學(xué)方法對各類文獻加以歸類，總結(jié)了如表1所示的旅游資源評價相關(guān)文獻。理論分析法主要從影響旅游資源的因素出發(fā)，根據(jù)資源價值、景點規(guī)模、旅游條件3個影響因素選取了8個評價指標(biāo)。理論分析評價指標(biāo)體系如圖3所示。結(jié)合文獻比較法和理論分析法，并在咨詢專家意見建議的基礎(chǔ)上，構(gòu)建了如表2所示的旅游資源評價指標(biāo)體系。

圖3 理論分析評價指標(biāo)體系

表2 旅游資源評價指標(biāo)體系

結(jié)合專家咨詢意見，確定各評價指標(biāo)在對旅游資源定量評價中的權(quán)重系數(shù)，各指標(biāo)權(quán)重分配如表3所示。

表3 各指標(biāo)權(quán)重分配

3 評價模型分析

3.1 評級劃分

評級劃分的依據(jù)是輸出層的輸出值大小，根據(jù)16個評價指標(biāo)的權(quán)重分配，在咨詢專家意見的基礎(chǔ)上，整理了如表4所示的評價等級劃分標(biāo)準。

3.2 評價模型設(shè)計

BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的前提是確定各個層的神經(jīng)元個數(shù)。由BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可知，輸入層數(shù)據(jù)對應(yīng)16個評價指標(biāo)，輸出層數(shù)據(jù)對應(yīng)最終的評價結(jié)果。而隱含層的映射關(guān)系相對復(fù)雜，公式如下：

表4 評價等級劃分標(biāo)準

式中，n1為隱含層輸出數(shù)據(jù)個數(shù)；n為輸入層輸入數(shù)據(jù)個數(shù)；m為輸入層輸出數(shù)據(jù)個數(shù)；a為1～10的常數(shù)。

數(shù)據(jù)預(yù)處理是模型設(shè)計中一個重要的數(shù)據(jù)準備過程。根據(jù)歸一化數(shù)據(jù)處理原則，神經(jīng)元輸入數(shù)據(jù)和輸出數(shù)據(jù)的取值范圍在0～1，因此采用如下公式進行數(shù)據(jù)預(yù)處理：式中，xi

*為處理后數(shù)據(jù)，xi為原數(shù)據(jù)，xmax為數(shù)據(jù)集合中的最大值，xmin為數(shù)據(jù)集合中的最小值。

根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法流程，為了控制計算精度，必須對計算過程中的誤差加以控制。由前文可知，評價系統(tǒng)的獨立指標(biāo)有16個，根據(jù)式（3）可知，隱含層的節(jié)點個數(shù)在13～20，根據(jù)節(jié)點個數(shù)得到如表5所示的誤差與節(jié)點關(guān)系。由表5可知，當(dāng)節(jié)點數(shù)為14時，誤差最小，為0.002 1，因此，模型的計算誤差最大取0.002 1。

表5 誤差與節(jié)點關(guān)系

3.3 評價模型應(yīng)用

利用MATLAB數(shù)據(jù)處理軟件，設(shè)定輸入層神經(jīng)元個數(shù)為17、隱含層神經(jīng)元個數(shù)為14、輸出層神經(jīng)元個數(shù)為1的BP神經(jīng)網(wǎng)絡(luò)迭代結(jié)構(gòu)，如圖4所示。以北京、南京、成都等9個具有代表性的旅游城市為例，評價模型在MATLAB中的迭代曲線如圖5所示，模型評價結(jié)果如表6所示。

圖4 迭代結(jié)構(gòu)

圖5 迭代曲線

表6 評價結(jié)果

程序中對各個城市旅游資源評價的誤差如表7所示。由表7可知，各個城市旅游資源評價期望值與輸出值之間的誤差最大為-0.002 0＜0.002 1，滿足最大誤差標(biāo)準。因此，基于BP神經(jīng)網(wǎng)絡(luò)的評價系統(tǒng)能在既定規(guī)則基礎(chǔ)上對旅游資源進行判斷，將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于旅游資源評價是可靠的。

表7 評價誤差

4 小結(jié)

本研究利用BP神經(jīng)網(wǎng)絡(luò)模型非線性強的特點，建立了關(guān)于旅游資源評價的BP神經(jīng)網(wǎng)絡(luò)模型。選取7個一級指標(biāo)和16個二級指標(biāo)，構(gòu)建評價指標(biāo)體系，根據(jù)模型中指標(biāo)個數(shù)，在MATLAB程序中給出誤差迭代曲線，對北京等9個代表城市的旅游資源進行評價，評價結(jié)果誤差在允許范圍內(nèi)，達到了對旅游資源進行客觀評價的目的。