重庆市旅游需求的预测模型

1、一、问题重述我国的旅游资源极其丰富，是一个国际旅游大国。随着社会的开展， 旅游业已成为全球经济中开展中势头最强劲和规模最大的产业之一，其直 接或间接地促进国民经济有关部门的开展，日益凸显了它在国民经济中的 重要地位。所以合理规划、正确地预测预报旅游需求，对于促进我国各地 区的经济开展和文化交流有着重要意义。现在自己选择适宜的旅游城市或 地区，对旅游需求的预测和预报建立数学模型，来帮助有关部门进一步规 划好旅游资源，并做到以下几点：1.对你们所选的旅游城市或地区，根据你们能够查到的关于旅游需求的预 测预报资料，并结合你们从相关旅游部门了解到的情况，分析旅游资源、 环境、交通、季节、费用和效劳质量

2、等因素对旅游需求的影响，建立关于 旅游需求的预测预报的数学模型。2你们可以利用国内外已有的与旅游需求预测预报相关的数学建模资料和 方法，分析这些建模方法能否直接移植过来，做出合理、正确的预测预报; 如果不行的话，请对这些方法的优、缺点做出评估，并提出改进的方法。 但在引用他人的资料时必须注明出处。3. 为了能够用数学建模的方法对旅游需求进行预测预报，必须做好哪些准 备工作包括有关数据的采集和整理？4. 在调研及对你们所建立的数学模型分析的根底上写出一篇报告，向有关 旅游部门提出具体的建议。二、问题假设三、符号说明G有向图矩阵V城市A路径n要经过的城市总数duij任意两城市之间的距离Xij是否经

3、过两座城市ij路径上的信息量nj启发函数信息启发式因子期望启发式因子k-Pijt蚂蚁k在t时刻由i城市转向j城市的转移概率tabuk第k只蚂蚁的禁忌搜索表信息素挥发系数ktijLt时刻k蚂蚁在路径ij上留下的信息素量L短到目前为止所找到的全局最短路径长度Q蚂蚁携带的信息素量Lk本次循环中第k只蚂蚁所走的路程长度m蚂蚁的总数量k蚂蚁的编号氐所记录的循环次数ncmax最大循环次数四、问题分析题目要求通过对旅游资源、环境、交通、季节、费用和效劳质量等因素对旅游需求的影 响，建立关于旅游需求的预测模型。这里，我们将旅游需求简化为旅游总人数，以星级 饭店、旅行社数量、客车数量、高速公路总公里数、全国人均

4、GDP重庆地区CPI、重庆市环保投资总额及重庆市地下水量为因素，利用BP神经网络模型进行求解，可得出下一年旅游总人数的预测值。五、模型的建立与求解模型建立与求解建立BP神经网络的数学模型基于BP神经网络模型的实现模型的求解以重庆统计年鉴为依据，可查得历年的统计数据如下表示:年份旅游总人数星级饭店旅行 社数 量客车高速人均GDPCPI环保投 资地下水量1998261502128820140199933170246581342000371903586323220014220332790320200259204337563992003732033747358020041682123736471414

5、90.382005189220411267481715.032006207223501377782027.3420072192804133010492566.4320222393234315611653266.5120222663534534515773711.00由于数据较大，现以1998年为基准，对各因素进行量化，得到下表年份旅游总人数星级饭店旅行 社数 量客车高速人均GDPCPI环保投资地下水量19982196.271.001.001.001.001.001.001.001.0019992494.491.271.131.166.701.050.991.030.9420003096.281

6、.421.271.6811.601.161.011.260.68 '20013981.331.621.351.5416.001.271.021.550.5020024665.842.271.361.5919.951.381.001.870.7320034286.252.811.351.7629.001.551.022.270.7820045279.046.461.411.7635.701.821.052.590.7520056017.717.271.471.9337.402.091.033.310.7720066847.517.961.492.3638.902.471.024.310.

7、4120078085.508.421.871.9452.453.131.065.500.55202210088.389.192.152.0358.253.981.076.430.63202212295.8410.232.352.1378.854.521.009.640.58将1998-2022年的各个因素作为网络输入，将1999-2022年的旅游总人数作为理想输出, 通过神经网络模型对其进行训练使其在误差允许范围之内，然后将该神经网络应用于 2022年各个因素，即可预测出2022年旅游的总人数。网络输入数据如下表所示：年份yxxxxxxxx19981.001.001.001.001.001.0

8、01.001.0019992494.491.271.131.166.701.050.991.030.9420003096.281.421.271.6811.601.161.011.260.6820013981.331.621.351.5416.001.271.021.550.5020024665.842.271.361.5919.951.381.001.870.7320034286.252.811.351.7629.001.551.022.270.7820045279.046.461.411.7635.701.821.052.590.7520056017.717.271.471.9337.40

9、2.091.033.310.7720066847.517.961.492.3638.902.471.024.310.4120078085.508.421.871.9452.453.131.065.500.55202210088.389.192.152.0358.253.981.076.430.63202212295.8410.232.352.1378.854.521.009.640.58Perfornnance 怡 0 0Q056G233, Goal is 0.0015010D150252 Epochs200250O1O1-O3一102101MuEm'E 口0BrlTc'fflJl在matlab上运行程序，重复10次或以上，取误差最小，可得，控制误差如以下图所示:网络的输入层与神经元之间的连接权值如下表所示：1234123456789真实值与预测值关系可由以下图看出:最后结果为MSE =ans =即模型及分析已有模型GM 1,1logistic模型的解释模型的求解GM 1,1丨模型 将1998-2022年旅游总人数作为值，通过 matlab程序，可得Logistic 模型令xm=算出模型的改进解答六、模型评价与改进1在解题过程中，使用Matlab软件进行编程，在分析和运算方面有较咼的精度，时 间大大缩短，使答案更