BP神经网络在福州国家森林公园旅游人数预测中的应用研究1.doc

2009年 1月 第 22卷第 1期 黑龙江生态工程职业学院学报 Jou rna l of H e ilongjiang Voca tiona l In stitu te of Eco logica l Enginee ring J an. 2009 Vo l. 22 No. 1  BP 吴桂英 1 　郑德祥 1 　林新钦 1 　张景文 2 ( 1. 福建农林大学 林学院 ,福州 350002; 2. 将乐县林业局 ,福建 将乐 353300) 　　 :游客数量是决定旅游业经济效益与持续发展的重要因素 ,游客数量预测也因此成为旅游发展规划的重 要内容 。本文拟以福州国家森林公园近十余年的游客数为基础 ,应用 B P神经网络与算法 ,建立一种基于人工神经 网络的旅游人数预测模型 ,并对福州国家森林公园未来旅游人数进行预测 。其结果表明 ,基于 B P神经网络的游客 预测模型能较准确对公园的未来旅游人数进行预测 ,从而为游客预测提供一种新思路与方法 。 : B P神经网络 ;森林公园 ;旅游人数 ;预测 : F590. 8　　　文献标志码 : A 　　国家森林公园是指由国家林业主管部门及各级政府批 准建立的森林 旅 游 区 域 , 是 以 良 好 的 森 林 景 观 和 生 态 为 主 体 ,融合自然景观与人文景观 ,利用森林的多种功能 ,以开展 森林旅游为宗旨 ,为人们提供具有一定规模的游览 、休憩 、保 健疗养 、科学教育 、文化娱乐的场所 。随着生态旅游的迅速 发展 ,国家森林公园作为生态旅游的重要载体而受到人们的 广泛关注 。但由于社会经济与人们生活水平的不断提高 ,森 林公园旅游人数不断增加 ,其开发规模亦不断扩大 , 对森林 公园中旅游景观资源与环境亦造成一定的破坏 。因此 ,在发 展森林旅游 ,进行国家森林公园旅游规划与可行性研究的过 程中 ,旅游人数规模预测是预测旅游发展 、合理控制游人规 模 、制定旅游经营决策 、实现森林公园旅游可持续发展的科 学依据 。 人工神经网络建模方法 (简称 ANN )是一种有效的预测 分析方法 ,它模拟人的大脑活动 ,具有极强的非线形逼近 、大 1. 2 　B P算法的基本步骤 B P算法是目前应用最广泛的学习算法 ,早期 B P算法只 有输入与输出层 ,它的训练速度较快 ,但是不能解决复杂的 非线性问题 。后来科学家提出了加入一层乃至多层隐层节 点的 B P反馈算法 ,使优化问题的可调参数增加 ,从而解决复 杂非线性问题 。 ( 1)初始化权值和阈值 ,即把所有权值和阈值都设置成 最小的随机数 ; ( 2)提供训练样本集 ,包括输入向量和输出向量 ; ( 3)计算隐含层和输出层的输出 : N 隐含层的输出为 : hj = f (βj ) = f ∑V ij xi - j i = 0 L 输出层的输出为 : yk = f (αk ) = f ∑W jk hi - θk i = 0 其中 ,输入单元 i到隐单元 j的权重是 V ij , 而隐单元 j到 规模并行处理 、自学习 、自组织和容错能力等优点 ,对解决非 输出单元 k的权重是 W jk ; 激活函数 f (βj ) 采用 logsig 函数 , f 线性问题有着独特的先进性 ,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 。因 ( ak ) 采用 pu relin函数 ; p p m  此本文拟以福州国家森林公园为例 ,运用人工神经网络建立 (4 )计算均方误差 : E = 1 ∑E p = 1 = 1 ( y 2 p k - hj ) , 旅游人数预测模型 ,并依此对旅游人数进行预测 。 1 B P神经网络的原理及算法的基本步骤 B P神经网络是人工神经网络中最具代表性和目前应用 广泛的一种 ,适用于模式识别 、模拟预测 ,是一种单向传播的 多层前向网络 ,以 3 层最为常用 ,也最为成熟 。理 论上已证 明 ,一个 3层的 B P网络能够实现任意的连续映射 ,可以任意 精度逼近任何给定的连续函数 。 1. 1　B P神经网络的原理 B P (B ack P rop aga tion)神经网络通常由具有多个节点的 输入层 ( inp u t laye r) 、隐含层 ( h idden laye r) 和多个 或一个输 出节点的输出层 ( ou tp u t laye r)组成 ,其学习过程分为信息的 正向传播过程和误差的反向传播过程两个阶段 。外部输入 的信号经输入层 、隐含层的神经元逐层处理 ,向前传播到输 出层 ,给出结果 。如果在输出层得不到期望输