基于蚁群优化的神经网络在旅游人数预测中的应用研究

VIP免费
3.0 陈辉 2024-11-19 4 4 880.06KB 63 页 15积分
侵权投诉
目录
中文摘要
ABSTRACT
第一章 绪论 ..........................................................1
§1.1 研究背景及研究意义 ......................................... 1
§1.2 国内外旅游人数预测研究现状 ................................. 2
§1.3 研究主要内容、结构及本文的创新点 ........................... 4
§1.3.1 论文的研究思路 ........................................ 4
§1.3.2 论文的研究内容及框架体系 .............................. 4
§1.3.3 创新点 ................................................ 5
第二章 旅游人数预测的基本理论与方法 ..................................6
§2.1 预测的基本概念 ............................................. 6
§2.1.1 预测的概念 ............................................ 6
§2.1.2 预测的基本步骤 ........................................ 6
§2.2 影响旅游预测的因素 ......................................... 7
§2.3 预测效果的评价 ............................................. 8
§2.4 旅游人数预测的常用方法 ..................................... 9
§2.4.1 时间序列预测法 ........................................ 9
§2.4.2 回归模型法[26] ......................................... 12
§2.4.3 灰色预测法 ........................................... 12
§2.4.4 几种非线性曲线预测法[29] ............................... 13
§2.4.5 预测方法评价 ......................................... 14
§2.5 现代智能技术在预测领域的应用 .............................. 15
§2.6 蚁群神经网络应用于旅游人数预测的可行性分析 ................ 15
§2.7 本章小结 .................................................. 16
第三章 蚁群优化的神经网络 ACONN 系统研究 .............................17
§3.1 人工神经网络 .............................................. 17
§3.1.1 人工神经网络的发展 ................................... 17
§3.1.2 人工神经元模型 ....................................... 18
§3.1.3 神经网络的类型及特点 ................................. 19
§3.2 BP 神经网络 ................................................ 20
§3.2.1 BP 算法 .............................................. 21
§3.2.2 BP 神经网络结构设计 .................................. 22
§3.2.3 BP 神经网络算法的缺陷及相关改进方法 .................. 24
§3.3 蚁群算法 .................................................. 25
§3.3.1 蚁群算法的基本原理 ................................... 25
§3.3.2 蚁群算法的特点 ....................................... 26
§3.3.3 蚁群算法的实现步骤 ................................... 27
§3.3.4 蚁群算法与其它仿生优化算法的融合 ..................... 28
§3.4 蚁群算法与神经网络的融合 .................................. 29
§3.4.1 基本思想 ............................................. 29
§3.4.2 构建蚁群神经网络 ACONN 系统 ........................... 30
§3.4.3 蚁群神经网络的参数选择[39] ............................. 30
§3.4.4 蚁群神经网络的预测步骤 ............................... 32
§3.5 蚁群神经网络程序设计 ...................................... 33
§3.6 本章小结 .................................................. 34
第四章 蚁群神经网络 ACONN 在旅游人数预测中的应用 .....................36
§4.1 上海旅游状况分析 .......................................... 36
§4.2 旅游人数预测的蚁群神经网络模型构建 ........................ 37
§4.2.1 采用神经网络建模的必要性 ............................. 37
§4.2.2 样本采集与数据预处理 ................................. 37
§4.2.3 预测方式选择及 ACONN 的训练样本设计 ................... 37
§4.2.4 蚁群神经网络的结构与参数 ............................. 38
§4.3 以年为单位预测分析 ........................................ 39
§4.3.1 网络原始数据输入及数据预处理 ......................... 39
§4.3.2 网络参数选取及网络训练 ............................... 40
§4.3.3 预测及结果分析 ....................................... 42
§4.3.4 预测模型结果比较 ..................................... 43
§4.4 以月为单位预测分析 ........................................ 46
§4.4.1 网络原始数据输入及数据预处理 ......................... 46
§4.4.2 网络参数选取及网络训练 ............................... 47
§4.4.3 预测及结果分析 ....................................... 49
§4.4.4 预测模型结果比较 ..................................... 49
§4.5 本章小结 .................................................. 54
第五章 结论与展望 ...................................................55
§5.1 研究总结 .................................................. 55
§5.2 研究展望 .................................................. 56
参考文献 ............................................................ 57
在校期间发表的论文、科研成果等 ......................................61
致谢 ................................................................ 62
第一章 绪论
1
第一章 绪论
§1.1 研究背景及研究意义
随着我国经济的持续高速增长，目前我国的旅游业得到了空前的发展。为了
能够保持良好的发展，对旅游人数的预测是必不可少的，尤其像我国这样人口多、
流动性大的国家。上海作为国际大都市，也是中国的经济、金融、贸易中心和未
来的航运中心，而且还是一座中国的近代历史文化名城。上海以其独特的魅力吸
引着大量海外旅游者。但是，到目前为止，以定量、定性结合的方法，对到上海
来旅游人数的预测进行整体、综合、系统分析的研究，还不多见。本文选择对到
上海旅游的人数预测作为应用实例，具有较强的理论意义和实用参考价值。
旅游人数规模的预测是及时调整旅游管理和市场活动的参考依据，因此旅游
人数规模预测的准确性直接影响着城市旅游产业规划的合理性、科学性和有效性。
城市旅游人数预测在城市发展规划中占据着重要地位，其重要性及意义主要表现
在以下三个方面。
(1)旅游人数预测为城市旅游业的发展规模提供依据
随着旅游业的发展，我国现有的景点和设施都己经无法适应旅游业日益发展
的要求，面临着大量景点的改建、扩建任务，而相关的改扩任务的规模主要是依
据旅游人数预测数据。因此，旅游人数的预测可以为景点建设规模提供很好的参
考价值。
(2)旅游人数预测有利于全面提高旅游服务质量和旅游环境
旅游服务质量的高低,直接影响到城市旅游业的形象和声誉,是构成一个城市
旅游吸引力的重要组成部分。同时良好的旅游环境是旅游消费得以顺利进行的必
要条件，要充分发挥政府在资源配置方面的组织协调作用,增加基础设施建设、产
品和市场开发方面的导向投入,增强社会公众的旅游意识,形成良好的旅游环境。
而这些旅游服务质量的提高和旅游环境的改善，必须通过对旅游人数的预测
来做出相应的准备和调整。
(3)旅游人数预测为管理和市场决策提供参考
为了给旅游管理者及早做出科学的旅游规划和管理,及时解决旅游中存在的
问题，对旅游人数的预测成为了一种必要。面对旅游人数的迅速增加,旅游主管部
基于蚁群优化的神经网络在旅游人数预测中的应用研究
2
门一要进一步加强旅游景点及相关设施的建设,以容纳更多的游客；二要合理引导,
把游客疏散到非重点旅游景点,以减轻重点旅游景点的接待压力。
目前，旅游业市场的竞争日趋激烈。竞争迫使景点管理部门日益重视市场战
略，旅游人数预测数据可以为其制订该地区的市场竞争策略服务。通过旅游人数
的预测，可以衡量现有旅游产品对旅客的吸引程度，这样可以及时调整旅游产品
分配和资源的开发，这样更有效地发展城市的旅游产业。在市场竞争日趋激烈的
情形下,必须创造优质的旅游产品,才能够在市场上取胜。
§1.2 国内外旅游人数预测研究现状
目前旅游人数预测方法都是基于AR模型、ARMA模型、ARIMA模型、
Box-Jenkins方法、马尔可夫方法、灰色系统方法及统计回归方法等，这些建模方
法已基本趋于完善和成熟。
传统预测方法早在20世纪30年代就开始了，在1920年以前，预测主要是通过
在时域内做全局拟合进行简单的外推。1927年，Yule发明了自回归技术用于太阳
黑子数的预测，利用序列中前面观测值的加权和来预测下一时刻序列的值。在接
下来的50年里，这种线性模型在时间序列预测领域一直占据统治地位。
然而随着研究的进一步的深入，人们发现，大量的时序问题不是线性时序而
是非线性时序，特别是对于实测的数据，很多无法也不可能用线性模型去描述，
对系统行为的预测效果也难以令人满意。因此开展对非线性预测模型的研究就变
得越来越重要。近年来，随着计算机技术的不断发展，特别是人工智能的迅速崛
起，以及非线性科学理论的不断完善，预测进入了现代预测方法阶段，提出了基
于人工神经网络、模糊数学、支持向量机、混沌理论和小波理论等众多的预测方
法。这给时间序列分析研究赋予了勃勃生机，越来越显示出旺盛的生命力。
国外学者中，Box George E.P, Jenkins Gwilym M在预测和控制方面采用时间序
列分析法进行研究[1]；
Smith，
D.A.and Toms, N.J在1978年用时间序列和跨部门资料
研究影响澳大利亚出境和入境旅游人数的因素[2]；Sung Soo Pyp在1991年成功的运
用线性模型分析价格、收入、时间等因素对旅游需求的影响[3]；Geofery在收入和
价格对国际旅游业影响的研究中，和Bob Van Limburg在价格对新西兰和阿姆斯特
丹影响的研究中，文章都对其中的某些因素进行了量化分析[4] [5]；1991年Robert S.
Pindyck，Daniel L. Rubinfeld在一书中讲述了相关的预测模型及预测方法[6]；
Fong-liu Chu在关于一种合并方法的旅游趋势预测研究中，对之进行了综合的评析，
期望为各地不同时段的需求预测找出最切合的方法和模型[7]。
第一章 绪论
3
1987年Lapedes和Farber首先应用神经网络进行预测[8]以来，神经网络预测时间
序列方法受到了重视；1996年Kariniotakis，Stavrakakis和Nogaret，应用神经网络模
型对风力发电功率进行预测，并取得了很好的预测效果[9]。目前，已有多种不同形
式的神经网络被用于工业、经济等的预测中。
我国的学者中，王道林利用灰色理论方法，预测在黄金周旅游人数及旅游收
入，从预测结果来看其精度比较高[10]；李丹,赵媛用基于季节效应ARIMA模型对中
国国际入境旅游市场的滚动样本预测；俞金国，王丽华同样用基于ARIMA模型对
后SARS时期中国入境旅游人数恢复评估。预测结果均表明ARIMA模型能够很好地
拟合数据,对旅游预测可行且十分有效[11] [12]；何荣国,邓国和用时间序列预测模型对
桂林市旅游人数进行了预测。为相关的旅游部门提供了很好的数据[13]；过晓芳运
用ARIMA模型对国内旅游人数进行预测研究，其预测结果满足精度要求,具有较
强的实用性[14]；马燕将灰色模型运用到旅游客源市场预测,灰色模型为预测提供了
一种有效的方法，表现出较高预测精度[15]；翁钢民,郑竹叶,刘洋等利用GM-Markov
模型对旅游客源预测做了研究, GM-Markov模型的预测精度较高，在旅游客源市场
预测中有较强的适用性[16]；朱春江,唐德善,马文斌把灰色理论和BP神经网络结合起
来预测观光农业旅游人数,运用灰色理论和神经网络相结合的方法比单独运用灰色
模型方法的预报精度要高得多。有效地把灰色理论的弱化数据波动性的优点和神
经网络非线性特点结合起来,从而达到相当高的预报精度[17]；林飞堃，陈燕武采用
基于状态空间季节调整模型，以厦门入境旅游为例进行旅游需求预测，模型的预
测能力极佳[18]；张友兰，周爱民，王新学分析了旅游引力模型、多元（逐步）回
归模型和时问序列模型在预测旅游人数方面的优缺点[19]；邓祖涛，陆玉麒对于我
国入境旅游人数预测研究，其使用BP神经网络模型，结果表明应用BP神经网络对
入境旅游人数进行预测精度更高、效果更好[20]；吴桂英，郑德祥，林新钦等应用
BP神经网络游客预测模型对福州国家森林公园未来旅游人数进行较准确预测,从
而为游客预测提供一种新思路与方法[21]。
另外，许多学者运用优化中的搜索算法对普通BP学习方法进行了改进，以提
高网络的收敛速度和预测性能。
以上的这些文献展现了在旅游预测方面的研究，很多学者使用不同的预测模
型来进行预测，并取得一定的预测效果，而基于神经网络的预测是国内外学者研
究的一个焦点，取得了很大的成果。该方法在人口统计、经济等预测方面得到了
广泛的应用，因为我们生活中大部分都是非线性时序的情况，这就决定了对非线
性时序方法研究的必要性，需要学者们继续去研究、改进和完善。
摘要：

目录中文摘要ABSTRACT第一章绪论..........................................................1§1.1研究背景及研究意义.........................................1§1.2国内外旅游人数预测研究现状.................................2§1.3研究主要内容、结构及本文的创新点...........................4§1.3.1论文的研究思路........................................4§1.3.2论文的研究内容及...

展开>> 收起<<
基于蚁群优化的神经网络在旅游人数预测中的应用研究.pdf

共63页,预览7页

还剩页未读， 继续阅读

相关推荐

更多
立即下载
作者：陈辉 分类：高等教育资料 价格：15积分 属性：63 页 大小：880.06KB 格式：PDF 时间：2024-11-19

开通VIP享超值会员特权

  • 多端同步记录
  • 高速下载文档
  • 免费文档工具
  • 分享文档赚钱
  • 每日登录抽奖
  • 优质衍生服务

作者详情

相关内容

更多

推荐作者

热门标签

/ 63
评分 收藏
分享
立即下载 VIP免费下载
客服
关注