基于BP神经网络的旅游资源评价模型分析

刘燕威

（杨凌职业技术学院，陕西 杨凌712100）

对旅游资源进行评价是一个受各种因素制约且具有较强主观色彩的过程，由于各评价模型中变量多、非线性强，因此，关于旅游资源评价结果的准确性一直饱受争议。

BP（Back propagation）神经网络模型是一个针对误差分析的反向运算过程，其具有较强的容错能力，在迭代过程中的非线性能有效避免误差的积累，对降低运算误差十分有利，同时该模型能充分发挥神经网络的自适应能力，提高了运算的智能程度［1-3］。阴姣姣等［4］根据旅游资源的特点，构建了BP神经网络模型的25个评价指标；韩福丽［5］利用BP神经网络模型的优势对25个评价指标进行了精简合并；陈萍萍［6］将BP神经网络模型首次应用到红色旅游资源评价中，给出了红色旅游资源评价的16个指标；李尚胥等［7］首次分析了误差大小对评价结果的影响。从国内外研究现状来看，尽管BP神经网络模型在旅游资源评价中有许多优点，但目前的研究仍局限于模型内部的构件，缺少系统的研究和应用。因此，本研究从评价模型整体出发，构建系统指标及选取误差值，并对BP神经网络模型进行了应用。

1 BP神经网络原理分析

BP神经网络是一种具有多层结构（一般包含输入层、隐含层和输出层）映射神经网络的结构，图1展示了BP神经网络的结构。

图1 BP神经网络的结构

BP神经网络算法包含数据正向传播、误差反向传播和误差调整计算3个步骤。假设输入层节点个数为n，隐含层节点个数为q，输出层节点个数为m，输入层至隐含层间权值为vki，转换关系用f1表示；隐含层至输出层间权值为wjk，转换关系用f2表示，则由输入层至隐含层的转换可用式（1）表示，由隐含层至输出层的转换可用式（2）表示：

式中，zk为输入层转换至隐含层后的值，xi为输入层值，i为1到n的整数。

式中，yj为隐含层转换至输出层后的值，k为1到q的整数。

根据以上计算规则，得到计算机中BP神经网络算法流程，如图2所示。

2 评价指标体系建立

本研究根据科学性、独立性、量化性和全面性的原则，结合文献比较法、理论分析法和专家咨询法3种分析方法，构建了旅游资源评价指标体系。

图2 BP神经网络算法流程

表1 旅游资源评价相关文献

经查阅相关文献，按照统计学方法对各类文献加以归类，总结了如表1所示的旅游资源评价相关文献。理论分析法主要从影响旅游资源的因素出发，根据资源价值、景点规模、旅游条件3个影响因素选取了8个评价指标。理论分析评价指标体系如图3所示。结合文献比较法和理论分析法，并在咨询专家意见建议的基础上，构建了如表2所示的旅游资源评价指标体系。

图3 理论分析评价指标体系

表2 旅游资源评价指标体系

结合专家咨询意见，确定各评价指标在对旅游资源定量评价中的权重系数，各指标权重分配如表3所示。

表3 各指标权重分配

3 评价模型分析

3.1 评级划分

评级划分的依据是输出层的输出值大小，根据16个评价指标的权重分配，在咨询专家意见的基础上，整理了如表4所示的评价等级划分标准。

3.2 评价模型设计

BP神经网络模型应用的前提是确定各个层的神经元个数。由BP神经网络结构可知，输入层数据对应16个评价指标，输出层数据对应最终的评价结果。而隐含层的映射关系相对复杂，公式如下：

表4 评价等级划分标准

式中，n1为隐含层输出数据个数；n为输入层输入数据个数；m为输入层输出数据个数；a为1～10的常数。

数据预处理是模型设计中一个重要的数据准备过程。根据归一化数据处理原则，神经元输入数据和输出数据的取值范围在0～1，因此采用如下公式进行数据预处理：式中，xi

*为处理后数据，xi为原数据，xmax为数据集合中的最大值，xmin为数据集合中的最小值。

根据BP神经网络算法流程，为了控制计算精度，必须对计算过程中的误差加以控制。由前文可知，评价系统的独立指标有16个，根据式（3）可知，隐含层的节点个数在13～20，根据节点个数得到如表5所示的误差与节点关系。由表5可知，当节点数为14时，误差最小，为0.002 1，因此，模型的计算误差最大取0.002 1。

表5 误差与节点关系

3.3 评价模型应用

利用MATLAB数据处理软件，设定输入层神经元个数为17、隐含层神经元个数为14、输出层神经元个数为1的BP神经网络迭代结构，如图4所示。以北京、南京、成都等9个具有代表性的旅游城市为例，评价模型在MATLAB中的迭代曲线如图5所示，模型评价结果如表6所示。

图4 迭代结构

图5 迭代曲线

表6 评价结果

程序中对各个城市旅游资源评价的误差如表7所示。由表7可知，各个城市旅游资源评价期望值与输出值之间的误差最大为-0.002 0＜0.002 1，满足最大误差标准。因此，基于BP神经网络的评价系统能在既定规则基础上对旅游资源进行判断，将BP神经网络模型应用于旅游资源评价是可靠的。

表7 评价误差

4 小结

本研究利用BP神经网络模型非线性强的特点，建立了关于旅游资源评价的BP神经网络模型。选取7个一级指标和16个二级指标，构建评价指标体系，根据模型中指标个数，在MATLAB程序中给出误差迭代曲线，对北京等9个代表城市的旅游资源进行评价，评价结果误差在允许范围内，达到了对旅游资源进行客观评价的目的。