基于BP神經網絡的旅游資源評價模型分析

劉燕威

（楊凌職業技術學院，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，關于旅游資源評價結果的準確性一直飽受爭議。

BP（Back propagation）神經網絡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揮神經網絡的自適應能力，提高了運算的智能程度［1-3］。陰姣姣等［4］根據旅游資源的特點，構建了BP神經網絡模型的25個評價指標；韓福麗［5］利用BP神經網絡模型的優勢對25個評價指標進行了精簡合并；陳萍萍［6］將BP神經網絡模型首次應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；李尚胥等［7］首次分析了誤差大小對評價結果的影響。從國內外研究現狀來看，盡管BP神經網絡模型在旅游資源評價中有許多優點，但目前的研究仍局限于模型內部的構件，缺少系統的研究和應用。因此，本研究從評價模型整體出發，構建系統指標及選取誤差值，并對BP神經網絡模型進行了應用。

1 BP神經網絡原理分析

BP神經網絡是一種具有多層結構（一般包含輸入層、隱含層和輸出層）映射神經網絡的結構，圖1展示了BP神經網絡的結構。

圖1 BP神經網絡的結構

BP神經網絡算法包含數據正向傳播、誤差反向傳播和誤差調整計算3個步驟。假設輸入層節點個數為n，隱含層節點個數為q，輸出層節點個數為m，輸入層至隱含層間權值為vki，轉換關系用f1表示；隱含層至輸出層間權值為wjk，轉換關系用f2表示，則由輸入層至隱含層的轉換可用式（1）表示，由隱含層至輸出層的轉換可用式（2）表示：

式中，zk為輸入層轉換至隱含層后的值，xi為輸入層值，i為1到n的整數。

式中，yj為隱含層轉換至輸出層后的值，k為1到q的整數。

根據以上計算規則，得到計算機中BP神經網絡算法流程，如圖2所示。

2 評價指標體系建立

本研究根據科學性、獨立性、量化性和全面性的原則，結合文獻比較法、理論分析法和專家咨詢法3種分析方法，構建了旅游資源評價指標體系。

圖2 BP神經網絡算法流程

表1 旅游資源評價相關文獻

經查閱相關文獻，按照統計學方法對各類文獻加以歸類，總結了如表1所示的旅游資源評價相關文獻。理論分析法主要從影響旅游資源的因素出發，根據資源價值、景點規模、旅游條件3個影響因素選取了8個評價指標。理論分析評價指標體系如圖3所示。結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上，構建了如表2所示的旅游資源評價指標體系。

圖3 理論分析評價指標體系

表2 旅游資源評價指標體系

結合專家咨詢意見，確定各評價指標在對旅游資源定量評價中的權重系數，各指標權重分配如表3所示。

表3 各指標權重分配

3 評價模型分析

3.1 評級劃分

評級劃分的依據是輸出層的輸出值大小，根據16個評價指標的權重分配，在咨詢專家意見的基礎上，整理了如表4所示的評價等級劃分標準。

3.2 評價模型設計

BP神經網絡模型應用的前提是確定各個層的神經元個數。由BP神經網絡結構可知，輸入層數據對應16個評價指標，輸出層數據對應最終的評價結果。而隱含層的映射關系相對復雜，公式如下：

表4 評價等級劃分標準

式中，n1為隱含層輸出數據個數；n為輸入層輸入數據個數；m為輸入層輸出數據個數；a為1～10的常數。

數據預處理是模型設計中一個重要的數據準備過程。根據歸一化數據處理原則，神經元輸入數據和輸出數據的取值范圍在0～1，因此采用如下公式進行數據預處理：式中，xi

*為處理后數據，xi為原數據，xmax為數據集合中的最大值，xmin為數據集合中的最小值。

根據BP神經網絡算法流程，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，評價系統的獨立指標有16個，根據式（3）可知，隱含層的節點個數在13～20，根據節點個數得到如表5所示的誤差與節點關系。由表5可知，當節點數為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 誤差與節點關系

3.3 評價模型應用

利用MATLAB數據處理軟件，設定輸入層神經元個數為17、隱含層神經元個數為14、輸出層神經元個數為1的BP神經網絡迭代結構，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，模型評價結果如表6所示。

圖4 迭代結構

圖5 迭代曲線

表6 評價結果

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，滿足最大誤差標準。因此，基于BP神經網絡的評價系統能在既定規則基礎上對旅游資源進行判斷，將BP神經網絡模型應用于旅游資源評價是可靠的。

表7 評價誤差

4 小結

本研究利用BP神經網絡模型非線性強的特點，建立了關于旅游資源評價的BP神經網絡模型。選取7個一級指標和16個二級指標，構建評價指標體系，根據模型中指標個數，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，評價結果誤差在允許范圍內，達到了對旅游資源進行客觀評價的目的。