基于BP神经网络的秦皇岛市旅游量预测研究

◆赵宇巍 张镇 郭子博 李远方

行业与应用安全

基于BP神经网络的秦皇岛市旅游量预测研究

◆赵宇巍 张镇 郭子博 李远方

（燕山大学（西校区） 河北 066000）

该项目主要基于人工神经网络中BP神经网络的相关理论，以旅游市场趋势预测为研究对象，以人工神经网络技术等为主要研究方法，以秦皇岛市旅游人数发展变化为实证基础，运用MATLAB工具对秦皇岛市2020-2022年的国内游客人数和入境游客人数两个指标进行高精度预测，对于秦皇岛市旅游发展合理规划以及旅游资源优化配置具有重要意义。

BP神经网络；国内游客数；入境游客数；预测

秦皇岛市地理位置优越，交通便利，资源丰富，旅游业的发展对于城市综合实力的提高与经济的发展具有非常重要的意义，因此通过BP神经网络对秦皇岛国内游客人数与入境游客人数进行高精度预测，有利于秦皇岛市旅游业管理部门及时做出宏观调控，促进旅游业的发展。

1 BP神经网络概述

预测方法按照类型分为定量分析法与定性分析法。定性分析法主要针对预测的资料数据缺失情况，依靠预测人员的丰富经验及主观判断能力来分析。定量分析法是通过数学模型计算出分析对象的各项数值指标，主要是时间序列分析法、因果关系分析法等。此项目运用BP神经网络的时间序列分析法进行预测。

图1 三层BP神经网络拓扑结构图

BP神经网络是通过对样本的训练学习，减少迭代次数，提高学习效率，解决非线性问题。时间序列预测方法是将网络训练成一个能反映时间序列内部非线性规律的系统，使用时间序列系统行为量化数据，最终利用误差修正并检验从而应用于预测。

2 旅游人数预测

2.1 时间序列分析法

2.1.1数据处理

（1）输入层与输出层的数据处理

本项目对秦皇岛国内游客数和入境游客数进行数据处理，BP神经网络的模型选取1991-2019年的人数作为基础数据，选择1991-2014年作为训练数据，2015-2019年作为测试数据，其中数据集，采用循环迭代的方式构成，将每年的旅游人数每5个数据为一组进行分组作为输入层，其下一个作为输出层后跳过一个数据再进行分组

第一组：从1991年到1995年，对应输出为1996年

第二组：从1992年到1996年，对应输出为1997年

第三组：从1993年到1997年，对应输出为1998年 ...

（2）归一化处理

以便将输入样本矩阵的输入范围控制在网络的激活函数的输入范围内（-1，1）或（0，1），运用Matlab软件编辑程序，利用mapminmax函数对秦皇岛市国内和入境游客数进行数据的归一化处理。

2.1.2选择训练函数

MATLAB常用方法有梯度递减法（函数为traingd）、共轭梯度法（函数为trainscg）、LM算法（函数为trainlm）以及带动量的梯度下降法（函数为traingdm），本项目选取泛化能力较好、精度较高的带有动量的梯度下降法。根据1991-2019年的国内和入境人数，预测2020-2022年的相应游客数量，设置最大迭代次数为1000，目标收敛精度为0.001，隐含层选择tansig函数，输出层选择trainlm函数。

2.1.3选择隐含层数目

BP神经网络由输入层、隐含层和输出层组成，隐含层又可分为单隐含层和多隐含层.因此，为确保数据精确性，验证并取误差最小情况。确立调用函数后，将traingdm作为调用函数来确定隐含层的数目，根据逐个增加隐含层数目的方法，来测试网络的相关系数，从中选取相关性最强的隐含层数目，隐含层节点数，初步设置为10，比较10次预测结果取平均值，比较结果如表1：

表1 隐含层数目预测结果比较

R越趋近于1，拟合效果越好。综上分析，多隐含层相比于单隐含层泛化能力强，预测精度高，但是隐含层数目越多训练时间越长，因此综合考虑运行时间和预测精度，最终选取3个隐含层数目进行预测分析。

第四步：隐含层节点数的确定

BP神经网络构建时应注意隐含层节点数的选择，通常为3-10个神经元，如果隐含层节点的数目过少，则BP神经网络不能建立精确的映射关系，产生网络预测误差较大。但是如果建立的隐含层节点数过多，促使网络学习时间增加，并可能出现“过拟合”的现象，产生这样的结果就是训练样本预测准确，而其他样本预测误差较大。因此，对比分析不同隐含层节点数，预测数据的相关系数，比较结果如表2：

表2 比较结果

由表格数据可知，当隐含层数目为10时，相关系数最好，因此在预测旅游人数时，隐含层的节点数选为10。

2.1.4预测结果分析

运行程序训练网络后，使用反归一化函数得到要预测的数值，国内旅游人数的模型输出与期望的输出误差达到了0.0000511小于0.1%，入境旅游人数的模型输出与期望的输出误差达到了0.000241小于0.1%，满足训练要求，预测数值如表3：

表3 预测数值

预测旅游人数（如图2、图3）。

图2 国内旅游人数总体趋势图

图3 入境旅游人数总体趋势图

由上图可得到秦皇岛市国内旅游人数与入境旅游人数的发展总趋势，通过相关系数图可得国内游客数相关系数达到0.99244，入境游客数相关系数达到0.98545，相关系数R越趋近于1，说明相关性越好，预测精度越高。

3 总结

针对秦皇岛市旅游量预测的问题，通过基于BP神经网络的旅游人数模拟预测，得到2020-2022年秦皇岛市国内旅游人数分别为7829.2636万人，7829.2636万人，8232.8729万人，2020-2022年的秦皇岛市入境旅游人数为35.4679万人，35.4679万人，35.4679万人，两组数据与前期相比均有增长趋势。因为旅游人数受游客心理主观影响因素较大，具有很大的波定性与不确定性，通过实验证实预测误差较大，因此通过时间序列预测，训练调整各层之间的权值和阈值得到准确结果。此算法在本次预测中得到了很好的应用，有效地预测了秦皇岛市旅游人数，并且具有较高的准确性。

[1]张峰，柳炳祥，张月.一种基于BP神经网络算法的旅游人数预测方法[J].信息与电脑（理论版），2019（03）：60-62.

[2]李乃文，韩婧婧.基于时间序列修正算法的我国入境旅游人数预测[J].资源开发与市场，2015，31（01）：126-128+130.

[3]胡丽娟.秦皇岛入境旅游需求影响因素及预测研究[D].燕山大学，2013.

[4]董国亮，韩茜.河北省入境旅游市场现状及发展策略研究[J].河北省科学院学报，2011，3（6）：26-28.

[5]张华.基于BP神经网络的旅游需求预测研究[J].电子测试，2014（01）：100-102.

[6]郭庆春，孔令军，崔文娟，史永博，张小永.基于BP神经网络模型的国内旅游人数预测[J].价值工程，2011，30（27）：7.

[7]丛爽.面向Matlab工具箱的神经网络理论与应用[M].合肥：中国科学技术大学出版社，1998．