基于BP神经网络的旅游人流量预测方法研究开题报告精要.doc

山西大学本科毕业论文（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测方法研究 选题的目的和意义： 在旅游管理中，科学的旅游市场趋势预测，对旅游规划与经营决策具有重要的意义。兴起于20世纪40年代的人工神经网络，是人工智能的一个分支，它能学习、储存以往的历史经验知．识和数据，并能外推未来，这也是神经网络用于预测领域的理论依据。对于非线性时间序列的趋势预测，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，是预测领域的一个重要的新兴研究方向，因此，神经网络法在旅游市场预测领域具有较好的应用价值和前景。 近年来，涌现出了许多预测效果较好的方法和模型，目前旅游市场趋势预测的主要方法有回归预测法、时间数列预测法、引力预测法等，然而，这些定量研究的数学工具基本上是经典算法，并未涉及处理复杂问题所常用的启发式算法，不适于处理当代旅游市场错综复杂的数据。近年来效果最突出的神经网络法，已逐渐被研究者引入了旅游预测研究，但其研究范围和预测效果还需要进行深入探索，以期突破旅游基础理论，进一步丰富和完善预测的理论和方法。 文献综述（国内外研究现状、研究方向、进展情况、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、国内外研究现状: 人工神经网络建模方法（以下均简称“神经网络法”）是一种有效的预测分析方法，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，从而达到预测的目的。神经网络法进入旅游研究后的第一篇用来预测旅游市场的文献是罗伯·洛和欧( Rob Law and Au,1999)的“一个预测日本人去中国香港旅游需求的神经网络模型(A neural network model to forecast Japanese de—mand for travel to Hong Kong)，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测中，实证表明使用神经网络法预测日本游客到香港旅游的人数比多元回归模型、天真模型、移动平均模型与指数平滑模型更好。自此之后，有部分学者陆续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测研究领域。 相关的国外代表成果有：洛·罗伯( Low Rob,2000)的研究沿用了神经网络法来预测旅游市场规模，实证结果表明使用向后繁衍神经网络比回归模型，时间序列模型以及向前推进神经网络模型预测准确性更好。博格等( Bur ger et al.,2001）用一系列的时间序列预测模型来预测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、自回归移动平均结合法、多元回归模型、遗传回归模型与神经网络法，结果表明神经网络法的预测效果最好。曹·文森特( Cho Vincent，2003)用三种不同的时间序列方法来预测旅游市场趋势的准确性，这三种方法分别是指数平滑法、单变量自回归移动平均结合法以及神经网络法，并且用均方误根( RMSE)与平均绝对误差百分比( MAPE)进行了检验，最后的结论是在这三种方法中，神经网络法的预测结果是最准确的。敖·斯·艾(Ao S I，2003)利用模糊理论来预测具有不确定性的旅游业。模型混合了计量自回归模型与模糊模型，在传统计量自回归模型的基础上，试图采用非参数的模糊模型来预测旅游市场趋势，因为它们之间的关系是高度非线性的并且是动态的。笔者认为混合回归—模糊模型作为一个整体来研究旅游市场，其预测结果是比较准确的。吴·凯里和洛·罗伯( Goh Carey and Law Rob,2003)认为粗集理论可以从原始的混乱的 山西大学本科毕业论文（设计）开题报告 数据中找到有用的信息并从决定规则的数据中发现知识。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测旅游市场规模时的准确率可以达到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测系统在旅游市场研究中的重要性。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、区域旅游供给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)使用模糊时间序列与混合灰色理论来预测旅游市场规模，实证结果表明模糊时间序列方法最适合预测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