遺傳算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)旅游人數(shù)預(yù)測研究

自從改革開放政策實施以來，我國社會經(jīng)濟呈現(xiàn)出高速增長的態(tài)勢，國民收入水平顯著上升，旅游日益成為人們現(xiàn)代化進行休閑、娛樂活動的主要途徑之一。目前，我國的國內(nèi)旅游業(yè)是發(fā)展?jié)摿ψ畲蟮穆糜问袌?，在?jīng)濟的發(fā)展中具有重要的地位。所以，對旅游人數(shù)進行較為準(zhǔn)確的預(yù)測分析，為當(dāng)?shù)芈糜螛I(yè)相關(guān)部門制定發(fā)展戰(zhàn)略決策和其他相關(guān)政策措施提供一定的理論基礎(chǔ)和技術(shù)支撐，從而有效地推動旅游行業(yè)的健康發(fā)展。

主要的預(yù)測方法有兩大類：定性分析與定量分析。其中，定性分析主要是根據(jù)人的主觀判斷和已有經(jīng)驗進行大致趨勢和范圍的分析；定量分析通過建立統(tǒng)計數(shù)學(xué)模型得到具體的一個數(shù)值。在漢斯出版社《計算機科學(xué)與應(yīng)用》期刊中，有學(xué)者首先將灰色理論和神經(jīng)網(wǎng)絡(luò)模型進行結(jié)合，建立灰色神經(jīng)網(wǎng)絡(luò)模型，采用遺傳算法對模型進行優(yōu)化。由于模型預(yù)測誤差較大，為提高模型預(yù)測精度，對影響因素進行變量篩選，刪除掉影響程度小的因素。

遺傳算法(Genetic Algorithm)是通過模擬自然界中自然選擇和遺傳機制中的選擇、交叉、變異的現(xiàn)象，得到具有適應(yīng)能力的個體，使得種群不斷進化，最終得到適應(yīng)能力最優(yōu)的個體。其中，基本的操作步驟如下：選擇：根據(jù)個體適應(yīng)度值的大小，按照一定的概率在當(dāng)前種群中選擇基因優(yōu)良的個體到下一代中。交叉：從種群中任意選擇兩個染色體，以一定概率選擇一處或多處的位置交換兩者的染色體，從而得到新的優(yōu)良個體。變異：從群體中任意選擇一個染色體，以一定的概率隨機改變該染色體上某一處的值，從而產(chǎn)生新個體。

通過閱讀文獻和查閱相關(guān)資料，從《中國統(tǒng)計年鑒》和《中國旅游統(tǒng)計年鑒》中得到原始數(shù)據(jù)，首先對原始數(shù)據(jù)進行簡單處理，初步得到13個影響因素：X₁：總里程；X₂：居民消費價格指數(shù)；X₃：國內(nèi)旅游收入；X₄：城鎮(zhèn)居民可支配收入；X₅：旅行社個數(shù)；X₆：城鎮(zhèn)居民旅游人均花費；X₇：城鎮(zhèn)居民消費水平；X₈：人均國內(nèi)生產(chǎn)總值；X₉：星級飯店個數(shù)；X₁₀：城鎮(zhèn)居民人口數(shù)；X₁₁：客運量；X₁₂：國內(nèi)生產(chǎn)總值；X₁₃：第三產(chǎn)業(yè)生產(chǎn)總值；被解釋變量Y：國內(nèi)旅游人數(shù)。

數(shù)據(jù)預(yù)處理：首先將數(shù)據(jù)分為訓(xùn)練集和測試集，具體如：選取1994~2019年的相關(guān)數(shù)據(jù)進行模擬，其中，將1994~2016年數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，2017~2019年數(shù)據(jù)作為測試數(shù)據(jù)。其次，為了消除單位量綱化的影響，將訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)分別進行歸一化處理，消除奇異數(shù)據(jù)，采用mapminmax函數(shù)對數(shù)據(jù)進行歸一化處理，并運用matlab進行計算。mapminmax具體計算公式：x_k=(x_k?x_min)/(x_max?x_min)；其中，x_min為數(shù)列的最小值，x_max為數(shù)列的最大值。

由于旅游人數(shù)受到多種因素的影響，樣本數(shù)據(jù)具有高維度、樣本量小的特點，神經(jīng)網(wǎng)絡(luò)模型具有自學(xué)習(xí)性和自適應(yīng)性的優(yōu)點，故建立灰色神經(jīng)網(wǎng)絡(luò)模型，并不斷對模型進行改進，最終確定基于平均值影響法變量篩選的GA-GM神經(jīng)網(wǎng)絡(luò)模型為旅游人數(shù)的預(yù)測模型。創(chuàng)新點在于一方面為旅游人數(shù)預(yù)測提供了新的算法，豐富了旅游人數(shù)預(yù)測方向的理論基礎(chǔ)，拓寬了基于平均值影響法變量篩選后的GA-GM神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用范圍；另一方面該文選取了兩種變量篩選的方法，增加了模型的對比性，從而選取最優(yōu)的模型進行預(yù)測。

本文搜集了1994~2019年共26年數(shù)據(jù)，所選取的樣本數(shù)量太少，屬于小樣本，在一定程度上會影響預(yù)測值的準(zhǔn)確性和可信性。若要進行更加準(zhǔn)確性的研究分析，要使得樣本容量盡可能地大。在模型之外的影響因素被忽略了，顯然會對模型的精度造成一定程度的影響，因此所得的模型仍然需要進行優(yōu)化修正，從而得到的預(yù)測效果更加接近于實際。

文章鏈接：https:///10.12677/CSA.2021.116179