基于bp神经网络的云南国际旅游需求预测

基于bp神经网络的云南国际旅游需求预测

ID:33861612

大小:170.86 KB

页数:3页

时间:2019-02-28

基于bp神经网络的云南国际旅游需求预测_第1页
基于bp神经网络的云南国际旅游需求预测_第2页
基于bp神经网络的云南国际旅游需求预测_第3页
资源描述:

《基于bp神经网络的云南国际旅游需求预测》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、昆明师范高等专科学校学报2005,27(4):89~91CN53-1131/G4ISSN1008-7958JournalofKunmingTeachersCollege基于BP神经网络的云南国际旅游需求预测1231陈俊,陈兆雄,幸林,付学德(1.昆明大学电子信息与机械工程系,云南昆明650118;2.昆明大学校长办公室,云南昆明650118;3.昆明大学旅游系,云南昆明650118)摘要:在阐述BP神经网络基本原理的基础上,建立了云南旅游需求的BP神经网络模型,并对云南旅游外汇收入及入境游客人数进行了预测和分析,在预测中首次

2、引入了每人次旅游外汇收入的概念.分析结果表明,人工神经网络方法在旅游预测中的应用是可行的,而且是十分有效的.关键词:BP神经网络;需求预测;云南旅游;国际旅游;旅游外汇收入中图分类号:Q29:F59文献标识码:A文章编号:1008-7958(2005)04-0089-03ForecastingofYunnan′sInternationalTourismDemandBasedonBPNeuralNetwork1231CHENJun,CHENZhao2xiong,XINGLin,FUXue2de(1.DepartmentofEl

3、ectronicInformationandMechanicalEngineering,KunmingCollege,YunnanKunming650118,China;2.OfficeofPresident,KunmingCollege,YunnanKunming650118,China;3.DepartmentofTourism,KunmingCollege,YunnanKunming650118,China)Abstract:BasedonthetheoryofBPneuralnetwork,aBPneuralnetw

4、orkmodelforyunnantourismdemandhasbeenestablished.Fromtheforecastandanalysisofforeignindividualarrivalsandthereceipts,theconceptofaver2ageindividualreceiptsisapproachedforthefirsttime.TheresultshowsthattheforecastofYunnaninternationaltourismdemandbasedonthehuman2ope

5、ratedBPneuralnetworkisreliableandveryeffective.Keywords:BPneuralnetwork;demandforecast;Yunnantourism;internationaltourism;touristforeign2currentreceipt旅游需求预测在旅游业发展中具有重要的作BP神经网络应用于解决非线性问题是可行的,而且用.正确的预测是进行科学决策的依据.制定发展战是十分有效的.略、编制计划以及日常管理的决策,都是以科学的预1BP神经网络模型原理概述测工作为前提

6、的.常见的旅游需求预测方法是基于统计学的数学人工神经网络是由大量的神经元互联组成,模[1-2]模型:时间序列预测法和因果模型预测法.然拟大脑神经处理信息的方式并对信息进行并行处理而,旅游市场往往受到许多因素的制约,这些因素之和非线形转换的系统.通过样本信息对神经网络的间呈现出错综复杂的关系,而且不稳定因素也很多,训练,使其具有与大脑相类似的记忆、辨识能力.按市场多变,难以得到有效的预测结果.有必要研究应照网络的拓扑结构和运行方式,神经网络可分为没用一些新的解决非线性问题的方法,如神经网络、灰有反馈的前向网络和相互结合性网络.

7、前向网络由[3]色模型等.输入层、中间层(隐含层)和输出层组成,中间层还人工神经网络模拟人的大脑活动,它具有极强可有若干层,每层的神经元只接受前一层的输出.的非线形逼近、大规模并行处理、自学习、自组织和BP网络是一种单向传播的多层前向网络.其输容错能力等优点,对解决非线性问题有着独特的先入信号从输入层经隐含层逐层传播,并传到输出层,进性.BP(BackPropagation)神经网络是目前应用最每一层神经元的状态只影响下一层神经元的状态.广泛的一种神经网络模型.通过对比分析,笔者认为若输出层得不到期望输出,则转为反向传播,即

8、误差收稿日期:2005-12-07作者简介:陈俊(1963—),男,云南江川人,副教授,主要从事人工智能、数理经济研究;陈兆雄(1949—),男,云南昆明人,高级经济师,主要从事工商管理研究.©1994-2010ChinaAcademicJournalElectronicPublishin

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。