張莉

【摘 要】旅游市場趨勢預(yù)測是旅游業(yè)發(fā)展戰(zhàn)略和旅游規(guī)劃與開發(fā)工作的重要基礎(chǔ)依據(jù)，是旅游市場研究中最重要的內(nèi)容之一。本文基于人工神經(jīng)網(wǎng)絡(luò)方法，提出使用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，進(jìn)而進(jìn)行預(yù)測，探索更精確、更適用于旅游市場預(yù)測現(xiàn)實(shí)狀況的預(yù)測方法。

【關(guān)鍵詞】旅游人數(shù)預(yù)測；人工神經(jīng)網(wǎng)絡(luò)；遺傳算法；優(yōu)化

0 引言

旅游市場趨勢預(yù)測是旅游業(yè)發(fā)展戰(zhàn)略和旅游規(guī)劃與開發(fā)工作的重要基礎(chǔ)依據(jù)，一直是旅游市場研究中最重要的內(nèi)容之一。根據(jù)市場趨勢預(yù)測的結(jié)果，旅游相關(guān)部門才可以制定合理的旅游規(guī)劃，進(jìn)行旅游資源的優(yōu)化配置。旅游市場趨勢預(yù)測是在對影響市場的諸因素進(jìn)行系統(tǒng)調(diào)查和研究的基礎(chǔ)上，運(yùn)用科學(xué)的方法，對未來旅游市場的發(fā)展趨勢以及有關(guān)的各種因素的變化，進(jìn)行分析、預(yù)見、估計和判斷。

近年來，旅游研究者對旅游市場趨勢預(yù)測的方法進(jìn)行了探索。目前主要有時間序列法、回歸分析法、指數(shù)預(yù)測法、人工神經(jīng)網(wǎng)絡(luò)法。由于旅游市場的變化受到諸多因素的影響，導(dǎo)致旅游市場的趨勢預(yù)測難度較大，但我們對預(yù)測精度的要求卻越來越高。

本文是基于人工神經(jīng)網(wǎng)絡(luò)方法，提出使用遺傳算法對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，探索更精確、更適用于旅游市場預(yù)測現(xiàn)實(shí)狀況的預(yù)測方法。

1 方法概述

人工神經(jīng)網(wǎng)絡(luò)是近年來的熱點(diǎn)研究領(lǐng)域，是人類智能研究的重要組成部分，已經(jīng)成為神經(jīng)科學(xué)、計算機(jī)科學(xué)、認(rèn)知科學(xué)、數(shù)學(xué)和物理學(xué)等多學(xué)科關(guān)注的熱點(diǎn)。其應(yīng)用領(lǐng)域包括：分類、預(yù)測、模式識別、信號處理和圖像處理等，并繼續(xù)向其他領(lǐng)域延伸。

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的主要特點(diǎn)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(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出。

圖中，X1，X2，…，Xn是BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值，wij和wjk為BP神經(jīng)網(wǎng)絡(luò)權(quán)值。從圖可以看出，BP神經(jīng)網(wǎng)絡(luò)可以看成一個非線性函數(shù)，網(wǎng)絡(luò)輸入值和預(yù)測值分別為該函數(shù)的自變量和因變量。當(dāng)輸入節(jié)點(diǎn)數(shù)為n，輸出節(jié)點(diǎn)數(shù)為m時，BP神經(jīng)網(wǎng)絡(luò)就表達(dá)了從n個自變量到m個因變量的函數(shù)映射關(guān)系。

1.2 遺傳算法

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

1.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的流程

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)分為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定、遺傳算法優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)預(yù)測3個部分。其中，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定部分根據(jù)按擬合函數(shù)輸入輸出參數(shù)個數(shù)確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)而確定遺傳算法個體的長度。遺傳算法優(yōu)化使用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，種群中的每個個體都包含了一個網(wǎng)絡(luò)所有權(quán)值和閾值，個體通過適應(yīng)度函數(shù)計算個體適應(yīng)度。遺傳算法通過選擇、交叉和變異操作找到最優(yōu)適應(yīng)度值對應(yīng)個體。BP神經(jīng)網(wǎng)絡(luò)預(yù)測用遺傳算法得到最優(yōu)個體對網(wǎng)絡(luò)初始權(quán)值和閾值賦值，網(wǎng)絡(luò)經(jīng)訓(xùn)練后預(yù)測函數(shù)輸出。

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)是用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，使優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能夠更好地預(yù)測函數(shù)輸出。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的要素包括種群初始化、適應(yīng)度函數(shù)、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(shí)數(shù)編碼，每個個體均為一個實(shí)數(shù)串，由輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層連接權(quán)值以及輸出層閾值4部分組成。個體包含了神經(jīng)網(wǎng)絡(luò)全部權(quán)值和閾值，在網(wǎng)絡(luò)結(jié)構(gòu)已知的情況下，就可以構(gòu)成一個結(jié)構(gòu)、權(quán)值、閾值確定的神經(jīng)網(wǎng)絡(luò)。

2）適應(yīng)度函數(shù)

2 實(shí)證分析

旅游客流量與當(dāng)?shù)芈糜斡布败浖O(shè)施建設(shè)、各種交通設(shè)備的完善程度有著密切的關(guān)系。一個旅游地的交通設(shè)施完善程度決定了該景區(qū)的可進(jìn)入性以及客源地到旅游地的時間距離，直接影響該景區(qū)游客量。此外，景區(qū)建設(shè)情況及旅游接待設(shè)施的建設(shè)情況決定著景區(qū)的吸引力。需要指出的是，由于信息傳達(dá)的特性，游客數(shù)量對景區(qū)旅游相關(guān)條件改善的反應(yīng)具有延遲性的特點(diǎn)。本文中，采用2000 年以來北京旅客周轉(zhuǎn)量、人均GDP、全國交通、A級及以上景區(qū)個數(shù)、北京公共交通運(yùn)營線路長度、北京市基礎(chǔ)投資，預(yù)測北京市旅游人數(shù)。

通過查詢中國國家統(tǒng)計局及北京市統(tǒng)計局相關(guān)資料，得到全國人均GDP、全國交通、北京市旅客周轉(zhuǎn)量、北京市A級及以上景區(qū)個數(shù)、北京市公共交通運(yùn)營線路長度、北京市基礎(chǔ)投資數(shù)據(jù)，如表1所示。

根據(jù)遺傳算法和BP 神經(jīng)網(wǎng)絡(luò)理論，在MATLAB 軟件中編程實(shí)現(xiàn)基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。預(yù)測誤差及真實(shí)值與預(yù)測值對比如圖2、圖3所示。

3 模型的評價

神經(jīng)網(wǎng)絡(luò)是以數(shù)學(xué)模型尋找事物之間的規(guī)律，一個事物往往受到許多因素的影響，由許多細(xì)小的規(guī)律通過一系列變化而決定，神經(jīng)網(wǎng)絡(luò)需要唯一的未知的但確定存在的規(guī)律，才能進(jìn)行合理的訓(xùn)練，不可牽強(qiáng)的將數(shù)據(jù)組合在一起，想讓它們形成某種規(guī)律。

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)是對普通BP神經(jīng)網(wǎng)絡(luò)的一種優(yōu)化方法，如果把BP神經(jīng)網(wǎng)絡(luò)看成是一個預(yù)測函數(shù)，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)相當(dāng)于優(yōu)化預(yù)測函數(shù)中的參數(shù)，優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果一般優(yōu)于未優(yōu)化的BP網(wǎng)絡(luò)。但是該算法是有局限性的，它只能有限提高原有BP神經(jīng)網(wǎng)絡(luò)的預(yù)測精度，并不能把預(yù)測誤差較大的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化為能夠準(zhǔn)確預(yù)測的BP神經(jīng)網(wǎng)絡(luò)。

【參考文獻(xiàn)】

[1]鄭洲順，湯嘉，等.基于灰色預(yù)測模型的2008北京旅游人口預(yù)測分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2010，5.

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

[3]史會峰，牛東曉，盧艷霞.基于貝葉斯神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測模型[J].中國管理科學(xué)，2012，8.

[4]周志宏.基于SPS感知傳播模型的旅游景點(diǎn)游客人數(shù)預(yù)測[J].統(tǒng)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(yù)測[J].統(tǒng)計與決策，2010，18.

[6]蔣輝.我國人口預(yù)測分析[J].科技管理研究，2005，11.

[7]胡良劍，孫曉君.Matlab數(shù)學(xué)實(shí)驗(yàn)[M].高等教育出版社，2006，1.

[責(zé)任編輯：楊玉潔]