摘 要

旅游需求的预测是旅游业发展中重要的一项评估指标，是制定正确的发展战略决策的重要前提。目前的定量预测大多是遵循变量之间固定的线性或近似线性的曲线关系来确定的方法。但旅游市场通常受多种因素的影响，同时这些因素之间的关系错综复杂，呈现的是非线性的相关关系，用上述线性变量预测的方法很难达到有效的预测结果，于是人工神经网络运用在这个方面可以很好地解决该问题。人工神经网络源于对人的大脑神经系统的模拟，具有极强的适应性、自学习、以及非线性逼近能力等优点，已经在自动控制、人工智能、机器人等领域得到广泛应用。一种方法是应用BP神经网络对旅游人数进行预测，并对BP算法进行改进，对样本进行拓展，充分利用神经网络的优势，使预测误差更小。另一种是径向基神经网络的应用，该网络具有良好的逼近功能，也能根据已知的样本训练和预测旅游人数。这两种网络与GMDH网络对比具有更简单的优点。BP神经网络系统是采取的输入层、隐层和输出层结构，对各层需要的传输转移函数进行模拟仿真得到比较适合的方案，从而使预测结果更接近真实值。该课题会随神经网络技术的逐渐发展在今后会有更进一步的研究。

关键词：旅游人数预测；BP神经网络；径向基神经网络；GMDH网络；传输函数

Abstract

Tourism demand prediction is a evaluation index of plays an important role in the development of tourism industry, is an important prerequisite for the correct development strategy decision making. Current quantitative prediction methods mostly follow variables between fixed linear or approximate linear relationship between, but tourism market usually by the influence of many factors, and these factors between the intricate relationships, the presentation is non-linear relationship, it is so difficult to get effective forecasting results using the linear predictor variables, and artificial neural network using in this area can be a good solution to the problem. Artificial neural network source in the simulation of human brain nervous system, with strong adaptability and self-learning Learning, and nonlinear approximation ability advantages, has been in the field of automatic control, artificial intelligence, robotics, etc. get widely application. A method is application of BP neural network on the number of tourist prediction and improved the BP algorithm, to expand the sample, make full use of God by the advantage of network, the prediction error is smaller. Another is the application of radial basis function neural network, the network has good approximation function, can also according to the known samples for training and predicting the number of tourists. Compared the two networks and GMDH network with simpler advantage of BP neural network system using the basic input layer, hidden layer and output layer structure , the transfer function of each layer needs to simulate the simulation to get more suitable for the program, so that the predicted results closer to the true value. With the development of neural network technology, the subject has further research.

Keyword: prediction of population of tourist；BP neural network；Raial Basis Function neural network；GMDH network；transfer function

目 录

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的 1

1.3 研究内容及方法 1

第2章 神经网络的研究理论基础 3

2.1 神经元模型 3

2.1.1 生物神经元 3

2.1.2 MP模型 3

2.1.3 一般神经元 4

2.2 人工神经网络简介 5

2.3 BP神经网络原理 7

2.3.1 BP神经网络模型和结构 7

2.3.2 BP网络的学习规则 8

2.3.3 误差反传流程图解 10

2.3.4 改进BP算法 10

2.4 径向基函数(RBF)神经网络原理 11

2.4.1 径向基网络拓扑结构 11

2.4.2 径向基网络的学习算法 12

2.5 GMDH网络原理 13

2.6 神经网络工具函数介绍 13

2.6.1 神经网络工具箱的通用函数 14

2.6.2 BP神经网络和RBF网络工具箱函数 14

第3章 方案比较分析 17

3.1 BP网络设计 17

3.1.1 BP网络整体框架 17

3.1.2 样本采集及归一化 18

3.1.3 初始权值设计 18

3.1.4 BP网络算法设计 19

3.1.5 输入层与输出层的计算 20

3.1.6 隐含层的设计 20

3.2 径向基函数(RBF)神经网络设计 21

3.2.1 径向基函数网络设计步骤 21

3.2.2 径向基函数算法设计 21

3.3 BP网络和RBF网络方案的比较 22

第4章 MATLAB仿真比较分析 23

4.1 样本数据预处理 23

4.2 BP神经网络仿真预测 24

4.2.1 确定隐层神经单元数 24

4.2.2 输出函数purelin、logsig的仿真结果 25

4.2.3 traingdm、traingda、traingdx训练函数对应的仿真结果 26

4.3 径向基函数神经网络仿真结果 27

第5章 总结与展望 30

参考文献 31

附录 32

致 谢 36

第1章 绪论

1.1 研究背景

如今，像旅游业这种第三产业，已经成为了经济发展中的支柱型产业，并在国内外经济发展中发挥着举重若轻的作用， 据统计，2015年，中国接待国内外旅游人数超过41亿人次，旅游总收入达4.13万亿元;国内旅游消费、境外旅游消费均列世界第一[1]。一个城市甚至大到一个国家，在建设和规划的过程中也逐渐将旅游人数的预测作为一项评估发展的重要标准，所以精确地预测旅游人数对旅游业持续、健康地发展具有重要的意义。常见的传统旅游需求预测方法模型如指数平滑模型、回归模型、时间序列模型等会受到很多因素的制约。现在的旅游业不稳定因素众多如天气、节假日等，并有较多突发情况，因此人们根据这些不定因素的影响不断地发展一些新的解决方法，利用人工神经网络预测的方法也是其中一种。人工神经网络具有良好的自适应性和强大的非线性映射能力，因而具有解决上述问题的能力，在很多领域得到广泛应用。例如： 国外学者Zaki M, Hamouda A, Hisham B.[2]利用神经网络和数据融合预测在埃及交通状况下的旅游时间。研究表明，利用实际值估计被证实并且结果显示基于旅行时间预测方法的模型工作很有效。Balamurugan R, Saranya A. [3]利用神经网络在谷歌地图的指引下停车的分析，通过神经网络计算提供了智能的自动分配停车空间，为停车节约了空间和时间。而径向基神经网络在交通流量预测中也有广泛应用[4]邓祖涛[5]等人利用对我国入境旅游人数做了一些分析和预测，王志毅[6]在BP神经网络的原理基础上，建立模型分析了湖北旅游的需求量。同时GMDH网络在电信流量预测上也发挥了重要的作用。

1.2 研究目的

神经网络对旅游人数预测，能利用神经网络的自适应性和强大的非线性映射能力，对城市甚至是国家的旅游管理和决策发挥着举重若轻的作用。本次课题通过对人工神经网络在旅游人数预测的研究，一方面拓展了人工神经网络的实际应用范围，对今后在非线性相关关系领域的预测提供了新的思路。另一方面，利用人工神经网络对旅游人数预测研究，与之前的预测方法进行对比，使得预测更加精确，可信度更高。适当地运用神经网络使我们能有效地对今后的旅游发展做出更合理、更妥善地筹划。

1.3 研究内容及方法

本次毕业设计任务是神经网络在旅游人数预测分析中的应用研究，具体内容是掌握神经网络应用于信号预测的基本原理；并将此基本原理应用于具体旅游人数预测，建立人工神经网络模型，用matlab编写代码实现模型，验证模型的有效性。本课题将BP神经网络、径向基神经网络和GMDH神经网络做基本分析。

当采取基于误差反传的BP神经网络的方法时，利用该神经网络，解决问题，分析问题。其学习过程是当网络输入神经元输入，此时开始正向传播，样本从输入层传入，通过各个隐层的计算之后将结果传给输出层，若输出层的输出与期望的输出不相近就进入误差反向的传播阶段。误差反向的传输阶段是将输出误差以另一种情形通过隐层向输入层逐层反传，并且将误差分别传给每层的单元，进而得到各层各部分的误差信号，再利用这个误差信号来改变各独立部分的权值。这种信号正向与反向的传播的过程是不停地循环进行，直到误差小于给定的值才结束该循环。