基于BP神经网络的旅游人流量预测方法研究开题报告剖析

山西高校本科毕业论文（设计）开题报告姓名学号所在专业论文（设计）题目基于BP神经网络的旅游人流量预料方法探讨选题的目的和意义：在旅游管理中，科学的旅游市场趋势预料，对旅游规划与经营决策具有重要的意义。兴起于20世纪40年头的人工神经网络，是人工智能的一个分支，它能学习、储存以往的历史阅历知．识和数据，并能外推将来，这也是神经网络用于预料领域的理论依据。对于非线性时间序列的趋势预料，神经网络与其他数学模型相比，具有高效、高精度的突出特点，是预料领域的一个重要的新兴探讨方向，因此，神经网络法在旅游市场预料领域具有较好的应用价值和前景。近年来，涌现出了很多预料效果较好的方法和模型，目前旅游市场趋势预料的主要方法有回来预料法、时间数列预料法、引力预料法等，然而，这些定量探讨的数学工具基本上是经典算法，并未涉与处理困难问题所常用的启发式算法，不适于处理当代旅游市场错综困难的数据。近年来效果最突出的神经网络法，已渐渐被探讨者引入了旅游预料探讨，但其探讨范围和预料效果还须要进行深化探究，以期突破旅游基础理论，进一步丰富和完善预料的理论和方法。文献综述（国内外探讨现状、探讨方向、进展状况、存在问题等，并列出所查阅的主要国内外参考文献，要求3000字以上）：1、国内外探讨现状:人工神经网络建模方法（以下均简称“神经网络法”）是一种有效的预料分析方法，它可以较好地揭示非线性时间序列在时延状态空间中的相关性，从而达到预料的目的。神经网络法进入旅游探讨后的第一篇用来预料旅游市场的文献是罗伯·洛和欧(RobLawandAu,1999)的“一个预料日本人去中国香港旅游需求的神经网络模型(AneuralnetworkmodeltoforecastJapanesede—mandfortraveltoHongKong)"，文中将神经网络应用于来中国香港旅游的日本游客旅游需求规模的预料中，实证表明运用神经网络法预料日本游客到香港旅游的人数比多元回来模型、天真模型、移动平均模型与指数平滑模型更好。自此之后，有部分学者接连将人工神经网络为代表的智能方法引入了旅游市场趋势预料探讨领域。相关的国外代表成果有：洛·罗伯(LowRob,2000)的探讨沿用了神经网络法来预料旅游市场规模，实证结果表明运用向后繁衍神经网络比回来模型，时间序列模型以与向前推动神经网络模型预料精确性更好。博格等(Burgeretal.,2001）用一系列的时间序列预料模型来预料南非德班的旅游市场趋势，运用了：天真模型、移动平均法、季节调整法、单一指数平滑法、自回来移动平均结合法、多元回来模型、遗传回来模型与神经网络法，结果表明神经网络法的预料效果最好。曹·文森特(ChoVincent，2003)用三种不同的时间序列方法来预料旅游市场趋势的精确性，这三种方法分别是指数平滑法、单变量自回来移动平均结合法以与神经网络法，并且用均方误根(RMSE)与平均肯定误差百分比(MAPE)进行了检验，最终的结论是在这三种方法中，神经网络法的预料结果是最精确的。敖·斯·艾(AoSI，2003)利用模糊理论来预料具有不确定性的旅游业。模型混合了计量自回来模型与模糊模型，在传统计量自回来模型的基础上，试图采纳非参数的模糊模型来预料旅游市场趋势，因为它们之间的关系是高度非线性的并且是动态的。笔者认为混合回来—模糊模型作为一个整体来探讨旅游市场，其预料结果是比较精确的。吴·凯里和洛·罗伯(GohCareyandLawRob,2003)认为粗集理论可以从原始的混乱的山西高校本科毕业论文（设计）开题报告数据中找到有用的信息并从确定规则的数据中发觉学问。他们用中国香港的十大客源国1985~2000年的数据来检验。结论是粗集理论在用来预料旅游市场规模时的精确率可以达到87.2%。相关的国内代表成果有：王娟、曾昊(2001)探究了神经网络作为一种新型的预料系统在旅游市场探讨中的重要性。吴江华等(2002)尝试用人工神经网络模型的三层BP模型来仿真模拟国际入境旅游需求，并以日本对中国香港的国际旅游市场趋势为例进行模型验证。腾丽等(2004)利用人工神经网络的科霍宁(Kohonen)网络对中国39个城市居民的旅游市场分类，并在考虑收入、旅游消费占收入的比例、区域旅游供应强度和交通条件四个因素的基础上对各个类型的城市居民旅游市场特征信息进行了进一步的分析。王朝宏(2004)运用模糊时间序列与混合灰色理论来预料旅游市场规模，实证结果表明模糊时间序列方法最适合预料中国香港到中国台湾的市场趋势，灰色理论比较适合中国香港与美国到中国台湾的旅游市场趋势，而马克沃改进模型最适合德国到中国台湾的旅游市场趋势。也有部分学者将神经网络法与回来分析法、时间序列法、指数预料法等传统预料方法进行了应用对比，如朱晓华和杨秀春(2004)以中国1978~2001年入境客源为例，定量分析线性回来模型、移动平均预料模型、指数平滑模型以与灰色预料模型的应用与其差异问题。王萍(2004)引人人工神经网络对青岛市的旅游市场发展趋势进行了实证探讨和预料。陈俊(2006)运用人工神经网络模型设计了旅游市场趋势预料系统，对云南省旅游的市场发展趋势进行了实证预料分析。陆相林(2007)利用改进的BP神经网络对我国旅游发展总量（旅游收入和旅游人次数）进行了预料，得出了BP神经网络能够有效预料旅游市场趋势的结论。总的来说，目前已有一些应用神经网络法对旅游市场趋势进行预料分析的探讨成果，其中绝大多数成果应用的是BP神经网络技术对旅游人次数、旅游收入两项指标进行了旅游市场趋势预料，取得了比较突出的预料效果。通过众多的实践成果发觉，BP神经网络对于那些规律不明显、用统计方法难解决的预料问题（非线性问题）具有独特的优势，效果优于回来模型。2、探讨方向：本探讨涉与到人工神经网络中的BP算法，同时还包含有文献综述，案例探讨，定性分析，定量分析等：（1）人工神经网络——BP算法人工神经网络(ArtificialNeuralNetwork，ANN)。正是在人类对其大脑神经网络相识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于仿照大脑神经网络结构和功能而建立的一种信息处理系统。它事实上是由大量简洁元件相互连接而成的困难网络，具有高度的非线性，能够进行困难的逻辑操作和非线性关系实现的系统。人工神经网络技术可用于预料与管理、限制与优化等众多领域，对于旅游市场趋势预料同样具有较高的好用性。在人工神经网络探讨中提出了很多模型，它们之间的差异主要表现在探讨途径、网络结构、运行方式、学习算法与其应用上。目前应用于预料探讨最多，应用最广的多层前馈网络的反向传播学习算法，简称BP算法。BP算法的主要设计思想是，将输入信号通过隐层和输出层节点的处理计算得到的网络实际输出进一步与期望输出相比较，并计算实际输出与期望输出的误差，将误差作为修改权值的依据反向传播至输入层，再修正各层的权系数，并且反复这一过程，直到实际输出与期望输出的误差达到预先设定的误差收敛标准，从而获得最终的网络权值。（2）文献综述通过收集和分析现存的各类相关文献资料，总结和分析了各种旅游市场趋势预料方法，为后面的探讨收集了各类统计数据。（3）案例探讨山西高校本科毕业论文（设计）开题报告将山西省国内旅游市场需求作为探讨案例，运用神经网络对山西省国内旅游人次数、国内旅游收入等指标进行了分析预料，对神经网络应用于旅游市场趋势预料探讨进行了检验和发展。（4）定性分析在探讨中，主要包括对相关概念“界定”，各种旅游市场趋势预料方法的“属性认定”、“类比归并”和“价值推断”等基本方面，找到事物中比较稳定的联系。定性分析的结果一般可以作为旅游管理决策的参考信息，但不能作为决策的依据。（5）定量分析本探讨侧重从数量方面去探讨旅游市场趋势的预料方法。一般来讲，定量探讨能够通过对旅游市场历史统计数据所获得更具代表性的大样本的访问和分析，得到具有统计意义的预料结论。3、进展状况：国内外对旅游市场趋势预料方法的探讨无论是对基础理论的探讨，还是对详细案例的分析与应用，都已经日趋成熟。大量的探讨运用了定量分析法，预料模型的探讨和运用都越来越广泛。从探讨方法来看：目前常用的传统预料模型方法有很多种，主要有时间序列法、回来分析法、指数预料法等。国外在对旅游市场趋势的分析过程中偏重于定量探讨方法的运用和探究，同时注意定量与定性方法相结合，所运用的预料方法正由单一化渐渐向综合化方向发展；国内前期偏重旅游市场趋势的定性探讨，近年来也已起先注意定量分析，主观的、阅历性的探讨正渐渐削减。近年来，应用人工神经网络等人工智能方法与技术于旅游市场趋势探讨的成果越来越多，预料的效果和精确性也在逐步提高，同时，在相关预料领域也呈现出了将传统的预料方法与神经网络法相结合的探讨趋势。从探讨结果来看：国内主要是通过运用传统预料方法或现代神经网络方法中的一种或几种方法，对某一详细的旅游客源市场或旅游目的地市场的趋势预料作相关的实证分析，以给旅游目的地政策制定者、旅游投资企业供应一些参考价值，探讨结论大多不具备普遍指导意义，并且目前国内对旅游市场趋势的预料仅限于旅游管理部门和旅游规划部门，由于应用的局限性和定量探讨的难度，因此相关探讨文章不多，并未引起学术界和旅游界人士的更多关注。而国外对旅游市场趋势预料的探讨则更为深化和广泛，注意结合运用先进的、智能的现代预料方法和技术以提高探讨结果的科学性，增加探讨结果的应用价值。从探讨结果的精确性来看：一般说来，要依据探讨的详细状况和须要要来确定运用哪种预料模型。假如自变量的值是已知的或是能够精确估汁的，那么神经网络法的预料结果最精确；当自变量受政策影响须要估计时，回来模型法会更有用；假如自变量不能够得到，时间序列模型法预料效果最好。虽然这些方法在各种场合得到了广泛的应用，但也存在一些不足：模型法大多只能应用于线性预料，对于非线性预料则有肯定局限性；难以应用于多因素影响下的预料探讨；模型的建立依靠于预料人员对详细问题的了解程度和预料阅历积累程度。而对于旅游市场趋势预料方法的最优模型目前尚无统肯定论。总的来说，为使探讨结果更为精确，旅游市场趋势探讨所运用的预料方法正由单一化渐渐向综合化方向发展，由传统方法向以现代人工智能方法的方向发展。本书正是基于人工神经网络方法的基础上，探究更精准、更适用于旅游市场趋势预料现实状况的预料方法。存在问题：虽然BP神经网络得到了广泛的运用，但它也存在自身的限制与不足，主要表现在它的训练过程的不确定上。详细说明如下：(1)须要较长的训练时间：对于一些困难的问题，BP算法可能要进行几小时甚至更长时间的训练。山西高校本科毕业论文（设计）开题报告这主要是由于学习速率太小所造成的。可采纳改变的学习速率或自适应的学习速率来加以改进。(2)完全不能训练：这主要表现在网络出现的麻痹现象上。在网络的训练过程中，如其权值调得过大，可能使得全部的或大部分神经元的加权总和n偏大，这使得激活函数的输入工作在S型转移函数的饱和区，从而导致其导数f'(n)特别小，使得对网络权值的调整过程几乎停顿下来。通常为避开这种现象的发生，一是选取较小的初始权值，二是采纳较小的学习速率，但这又增加了训练时间。(3)局部微小值：BP算法可以使网络权值收敛到一个解，但它并不能保证所求结果为误差超平面的全局最小解，很可能是一个局部微小解。这是因为BP算法采纳的是梯度下降法，训练是从某一起始点沿误差函数的斜面渐渐达到误差的最小值。对于困难的网络，其误差函数为多维空间的曲面，就像一个碗，其碗底是最小值点。但是这个碗的表面是凸凹不平的，因而在其训练过程中，可能陷入某一小谷区，而这一小谷区产生的是一个局部微小值，由此点向各方向改变均使误差增加，以致使训练无法跳出这一局部微小值。假如对训练结果不满足的话，通常可采纳多层网络和较多的神经元，有可能得到更好的结果。然而，增加神经元和层数，也同时增加了网络的困难性以与训练的时间，在肯定的情况下可能是不明智的。可代替的方法是选用几组不同的初始条件对网络进行训练’以从中挑选它们的最好结果。5、主要国内外参考文献：(1)RobLaw.AneuralnetworkmodeltoforecastJapanesedemandfortraveltoHongKong[J].TourismManagement,1999,20:89-97.(2)LowRob.Back-propagationlearninginimprovingtheaccuracyofneuralnetwork-basedtourismdemandforecasting[J].TourismManagement,2000,21:331-340.(3)BurgerCJSC,DohnalM,KathradaM,LawR.Apractitionersguidetotime-seriesmethodsfortourismdemandforecasting:acasestudyofDurban,SouthAfrica[J].TourismManagement,2001,22:403-409.(4)ChoVincent.Acomparisonofthreedifferentapproachestotou1smarrivalforecasting[J].TourismManagement,2003,24,323-330.(5)AoSI.UsingFuzzyRulesforPredictioninTouristIndustrywithUncertainty[J].ComputerSociety,2003.(6)GohCarey,LawRob.Incorporatingtheroughsetstheoryintotraveldemandanalysis[J].TourismManagement,2003,24:511—517.(7)王娟，曾昊，人工神经网络：一种新的旅游市场需求预料系统[J]．旅游科学，2001，(4)：24-27.(8)吴江华，葛兆帅，杨达源，基于人工神经网络的国际入境旅游需求的定量分析与预料——以日本对香港的国际旅游需求分析为例[J]．旅游学刊，2002,17(3)：55-59.(9)滕丽，王铮，蔡砥．中国城市居民旅游需求差异分析[J]．旅游学刊，2004，19(4)：9-13.(10)WangChaoHung.Predictingtourismdemandusingfuzzytimeseriesandhybridgreytheory[J].TourismManagement,2004,25:367-374.(11)朱晓华，杨秀春，旅游客源预料模型与其对比[J]．地理与地理信息科学，2004,20(5)：84-86．(12)王萍．基于人工神经网络的旅游趋势预料理论与实证探讨——以青岛市为例[D]．兰州：西北师范高校，2004．(13)陈俊．基于人工神经网络的旅游趋势预料[D]．昆明：昆明理工高校'2006．(14)陆相林．BP神经网络在中国旅游发展总量预料中的应用[J]．北京教化学院学报（自然科学版），2007，2(1)：8-11．山西高校本科毕业论文（设计）开题报告主要探讨内容：主要基于人工神经网络中BP神经网络的理论和方法，以旅游市场趋势预料为探讨对象，以人工神经网络技术、因素分析法等主要探讨方法，以山西省（或省内某个）旅游市场趋势发展改变为案例：(l)对传统的旅游市场趋势预料方法进行归纳总结，设计出了非线性的、时间序列的、单因素模型法旅游市场趋势预料模型；(2)结合因素分析法，对影响国内旅游市场趋势的诸多因素进行了分析，并设计出多因素神经网络法旅游市场趋势预料模型；(3)以山西省（或省内某个）旅游市场趋势为例，对其将来改变趋势进行了单因素和多因素模型的实证预料分析。创新之处（如无可不填）：人工神经网络具有很强的学习、联想和容错功能。理论上，利用三