管理论文人工智能方法在旅游预测中的应用及评析

《管理论文人工智能方法在旅游预测中的应用及评析》由会员分享，可在线阅读，更多相关《管理论文人工智能方法在旅游预测中的应用及评析（7页珍藏版）》请在装配图网上搜索。

1、人工智能方法在旅游预测中的应用及评析 人工智能方法在旅游预测中的应用及评析是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，人工智能方法在旅游预测中的应用及评析是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，人工智能方法在旅游预测中的应用及评析的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 摘要20世纪90年代之前，对旅游需求预测一般采用传统的定量分析方法，而近20年来，诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持

2、向量机等人工智能方法也被引入到旅游需求预测的研究之中。然而，国内外学者尚未对人工智能方法在旅游需求预测中的应用进行系统的整理与论述。为此，本文简要介绍了人工智能在旅游预测中的应用，并与传统的计量方法、时间序列方法进行了比较。同时，简略评述了其优缺点和发展趋势。关键词人工智能方法；旅游预测；应用；评析中图分类号F59文献标识码A文章编号10025006(2008)09001706随着经济全球化和国际交流的不断深化，国际旅游业得到了长足的发展，各国都制定了不同的政策来支持鼓励旅游业的发展。旅游业对于平衡国际收支、改善贸易结构具有不可替代的作用，同时又是扩大对外开放、促进对外交流的重要手段。因此在过

3、去20年里对旅游的研究也得到了前所未有的发展。而旅游需求模型与预测更是研究的重点。对旅游需求研究开始于20世纪60年代，19602002年间有420篇论文研究该问题。但真正的发展期却是80年代之后，其中有90以上的研究论文是发表于这一时期，而近5年(20022007)来又有80多篇论文阐述此问题。在20世纪90年代之前，学者们一般采用的是传统的定性定量研究方法，如德尔菲法、生命周期法、计量经济方法、空间引力模型、时间序列等。而近20年来，诸如粗糙集、遗传算法、模糊时间序列、灰色理论、神经网络模型、支持向量机等人工智能方法也被引入到旅游需求的预测研究之中。对旅游需求研究文献进行整理和评述的有克劳

4、奇(Crouch)、林(Lim)、威蒂(Witt)、李(Li)、宋和李(Song and Li)，国内的主要研究者有覃频频等(2006)、任来玲等。由于受研究时间和条件所限，这些论文只是对传统的定量分析方法进行了述评，而对人工智能方法没有进行系统的论述。为此，本文简要而系统地介绍人工智能方法在旅游预测中的应用与研究，并将其与传统的定量方法进行比较分析。一、人工智能方法在旅游预测中的应用人工智能方法近些年越来越多地被应用到旅游预测中，主要有粗糙集方法、遗传算法、模糊时间序列、灰色理论、人工神经网络和支持向量机。人工智能的最大优点是对数据的概率分布等额外信息没有严格的要求，有更好的包容性和适应能力

5、。1粗糙集方法(Rough Sets，RS)粗糙集理论是1982年波兰学者帕·莱克(z.Paw lak)提出的，它是一种刻画不完整性和不确定性的数学工具，能有效地分析不精确(Imprecise)、不一致(Inconsistent)、不完整(Incomplete)等各种不完备的信息，还可以对这些混乱的数据进行分析和推理，从而发现隐含的知识，揭示其潜在的本质规律。凯里高与罗布劳(Goh Carev and Law Rob)运用粗糙集理论对香港的10大客源国的旅游需求做了预测，并发现其准确率达到87.12。奥和罗(Au andLaw)运用粗糙集理论分别对旅游购物、餐饮、观光支出进行了研究分

6、析。粗糙集理论更注重的是分类机制，而非传统分析方法的准确预测，因而可以作为一种可行的辅助手段来进行分析与预测。2遗传算法(Genetic Algorithms，GA)遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是由美国密歇根大学霍兰德教授(Holland)于1975年首先提出来的，并出版了颇有影响的专著自然系统和人工系统的自适应(Adaptation in Natural and Artificial Systems)。遗传算法类似于自然进化，通过作用于染色体上的基因寻找好的染色体来求解问题。与自然界相似，遗传算法对求解问题的

7、本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始群体；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群，对这个新种群进行下一轮进化。这就是遗传算法的基本原理。蒙萨拉特(Montserrat)用结合跃迁概率矩阵的遗传算法来进行旅游需求预测，通过研究发现这种组合模型比单一的遗传算法具有更好的预测精度。蒙萨拉特(Montserrat)和布格(Burger)都认为遗传算

8、法更适合于解释旅游需求组合的变化。3模糊时间序列(The Fuzzy Time-series，TFT)模糊时间序列是由宋和奇逊(Song andChisson。)首先提出的，是从动态的角度出发，综合分析这种模糊化的时间序列数据的结构特征，探索动态模糊系统的内在规律性，从而达到对动态模糊现象进行预测和分析的目的。模糊时间序列对于短期预测有很好的效果，王朝宏(Chao-Hung Wang)用模糊时间序列、灰色模型和马可夫链改进模型对台湾的旅游做了预测，并通过误差分析发现模糊时间序列适合于香港到台湾的预测，灰色模型更适合于美国和香港到台湾的入境旅游预测，而马可夫链改进模型更适合于德国到台湾的旅游需求

9、估计4灰色理论(Grey Theory，GT)灰色理论认为，在客观世界中，大量存在的不是白色系统(信息完全明确)也不是黑色系统(信息完全不明确)，而是介于两者之间的灰色系统。一切随机量都是在一定范围内、一定时间段上变化的灰色量及灰色过程。数据处理不去寻找其统计规律和概率分布，而是对原始数据作一定处理后，使其成为有规律的时间序列数据，在此基础上建立数学模型。灰色系统理论提供了在贫信息情况下解决系统问题的新途径。朱晓华、杨秀春以中国19782001年入境旅游客源为例，定量分析线性回归模型、移动平均预测模型、指数平滑模型以及灰色预测模型的应用及其差异问题，并发现线性回归预测模型的绝对误差最大，随着序

10、列数据的减少，指数平滑模型绝对误差整体相对变大，而灰色模型绝对误差整体相对变小。可见序列较短时灰色预测模型有较好的预测效果。5三次多项式模型(Cubic Polynomial Model，CPM)楚(Chu)用19891990年新加坡入境旅游数据建立预测模型，并将预测精度与前人的研究进行了对比，发现三次多项式的预测精度优于简单线性 回归和天真方法，但比正弦波非线性模型、自回归移动平均模型(ARIMA)和组合预测模型稍逊一筹。然而，由于三次多项式模型的内在线性，所以表现出预测成本低的优点。6人工神经网络(Artificial Neural Networks，ANN)人工神经网络(ANN)是一种理

11、论化的人脑神经网络数学模型，在对人脑或自然神经网络的某些行为特征的抽象和模拟基础上建立的一种信息处理系统。它通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有并行分布的信息处理结构和自学习与自适应的能力，可以通过预先提供的一批相互对应的输入一输出数据，分析掌握两者之间潜在的规律，积累信息。根据这些规律和信息，把积累下来的各种定性或定量的因素作为因子加以输入，从而建立输入和输出之间的高度非线性映射，采用自适应模式识别方式来进行预测。ANN是一个具有高度非线性、很强自学能力和容错能力、并行处理的特征，因而在工业和经济中取得了广泛的应用。而反向传播神经网络(Back P

12、ropagation Neural Network，BPNN)是目前研究最成熟、应用最广泛的一种多层前馈误差反传算法模型。通过一元函数的多次复合来逼近多元函数的非线性映射方法，其本质是求解误差函数的最小值问题。神经网络模型 人工智能方法在旅游预测中的应用及评析是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，人工智能方法在旅游预测中的应用及评析是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，人工智能方法在旅游预测中的应用及评析的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您

13、可以申请本站帮您代写论文，以下是正文。以其并行处理能力、自学习、自组织、自适应能力和较好的容错性，从而适应了旅游数据信息不完整、影响因素多、不确定性大和非线性等诸多问题，弥补了传统预测方法的不足。ANN不像传统方法对变量的约束和数据有严格要求，它无需事先知道自变量和因变量之间潜在规则。已有诸多研究表明：在旅游预测上，ANN相比经典的预测方法表现出更好的预测能力，比如与多元线性回归进行比较研究的有布格(Burger)、劳(Law)、劳和奥(Law and Au)、帕蒂和斯奈德(Pattie andSnyder)；与指数平滑进行比较研究的有布格(Burgel，2001)、崔(Cho)、劳(Law，

14、2000b)、劳和奥(Law and Au，1999)、帕蒂和斯奈德(Pattie and Snvder，1996)；与自回归移动平均模型ARIMA进行比较分析的有布格(Burger，2001)、崔(Cho，2003)、劳(Law，2000a)、劳和奥(Law and Au，1999)、帕蒂和斯奈德(Pattie and Snyder，1996)。但人工神经网络也存在着自身的缺点：首先，模型预测过程中在不断的调整，最终展现的是输出向量，从而展示出的内在经济涵义信息较少，不如解释性预测和时间序列预测丰富。其次，容易受网络本身拓扑结构复杂性和数据复杂性影响，出现过学习现象，从而导致低的泛化能力。7

15、支持向量回归(Support Vector Regression，SVR)支持向量机(Support Vector Machines，SVM)是20世纪90年代末期威普尼克(Vapnik)提出的一种新型机器学习方法。它以统计学理论、赫柏(Heber)稳健回归理论和沃尔夫(Wolfe)对偶规划理论为基础，具有推广性能强、拟合精度高、全局最优等特点，已成为机器学习的研究热点，并在信号处理、模式识别、回归分析、经济预测诸多领域取得了成功的运用。支持向量回归具有以下几个主要优点：(1)传统统计学研究的是样本数目趋于无穷大时的渐近理论，但在现实问题中，样本数往往是有限的。支持向量回归是基于现有信息下的目

16、标最优解，而不仅仅是样本数趋于无穷大时的最优解；(2)支持向量回归是基于结构风险最小化原理，有别于传统的经验风险最小化原理，从而克服了人工神经网络的过学习现象，它能根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中，提高了泛化能力；(3)支持向量机在处理非线性问题时，首先将非线性问题映射到高维特征空间，然后引入核函数来代替高维空间中的线性问题，避免了高维空间的点积运算，使得其算法复杂度与样本维数无关，有效地克服了维数灾难问题，加速了训练学习速度；(4)通过引入拉格朗日乘子，将优化问题转化为二次规划问题。而二次规划所解得的是唯一全局最优解，这样就不存在人工神经网络的局部极值问题。陈宽裕和

17、王成华(KuanYu Chen and ChengHuaWang)用结合遗传算法的支持向量回归、人工神经网络、自回归移动平均模型对旅游进行预测，并对这3种模型的平均绝对误差百分比(MAPE)、均方误差(NMSE)进行比较分析。3种模型都有较好的预测精度，拟合度(R)都非常高，而结合遗传算法的支持向量回归的预测精度最好，另外还通过Wilcoxon显著性检验发现GA-sVR的预测结果优于其他模型。通过陈宽裕和王成华(Kuan-Yu Chen and cheng-Hua Wang)、佩和宋(Pai and Song)等学者的研究比较，发现支持向量回归支持向量机很好地克服了神经网络的缺陷，有更好的计算

18、精度、更强的推广能力，预测结果的相对误差明显小于人工神经网络。较好地解决了小样本、非线性、高维数、局部极小点等实际问题。8决策支持系统(Decision Support Svstern，DSS)、协整理论(Co-integration，CI)、Compertz、光谱分析(Spectral Analysis，SA)等除了上面介绍的一些方法外，还有许多分析技术应用到旅游预测中来，比如运用决策支持系统(DSS)的帕特普洛斯(Petropoulos)，协整理论(CI)的韦伯(Webber)、阿尔吉里(Algieri)等，Compertz方法的帕特普洛斯(Petropoulos)，通过他们的研究发现，这

19、些方法在旅游预测中都有良好的预测效果。科斯赫尔(Coshall)用光谱分析(SA)发现从英国以航空和水运的方式到法国、荷兰、比利时的旅客流量存在着季节性而未表现出明显的周期性。尽管人工智能有独特性(比如对数据分布的特点无特别要求)和高精度的预测能力，但也有其自身的缺陷。比如缺少理论支撑，无法从经济理论视角很好地解释旅游需求，因而不能为政策的评估和决定提供更多的建议与帮助，这也限制了人工智能在旅游需求预测上应用的广度和深度。二、人工智能方法在旅游预测中的应用评析通过对近20年来国内外学者具有代表性的研究成果归类看出，这些学者采用不同的研究方法对各种特点的旅游需求进行预测的同时，通过预测精度来检验

20、模型的优劣。从其中不难看出由于研究对象不同，得出的结论不尽相同。然而并没有哪一种模型与方法一定是最优的，只有相对最优。由此可见，有些简单的预测方法也能取得理 想的预测效果，预测技术并不是越复杂越好，考虑因素也不一定要求面面俱到，更重要的是要根据实际的研究问题选用适合的方法，这样才能发挥各种方法的优势和特点，从而更好地对旅游做出科学而合理的研究和预测。在旅游预测中并没有哪一种模型绝对最优。正如李(Li)所述，各种模型由于数据类型、分析对象、适应范围不同而表现出不同的预测精度，所以没有哪一种分析方法是万灵药。但有些学者将不同模型的优点整合在一起组合成新的模型，通过实证研究发现，其预测效果好于单个模

21、型。比如蒙萨拉特(Montserrat)将跃迁概率矩阵和遗传算法相结合，陈宽裕和王成华(Kuan-YuChen and Cheng-Hua Wang)用结合遗传算法的支持向量回归来进行旅游需求预测。黄和宋(Wong and Song)归纳出组合模型能有效地降低单一方法的预测风险。虽然整合模型能提高预测效果，但每类模型有不同的约束条件，对变量、参数、数据的要求不同，存在着如何选择模型、如何整合的问题，这就要求有一个一般性的规则或指导原则，这方面有待学者进一步研究。 、传统的计量方法，从模型的本身可以看出经济现象和影响因素之间明确的依存关系，比如奥运会、金融危机等重要事件对旅游的影响，这有利于看清

22、经济现象后的影响机理，从而对经济现象的分析和预测有更清晰的把握。解释性预测在揭示因素对现象的内在规律中具有不可比拟的优势，这一方面，人工智能分析过程就像一个“黑盒”，掩盖了因素之间的经济涵义。但传统的计量方法也存在着自身的缺陷，比如当影响因素与目标变量之间存在高度非线性时，虽然可以利用非线性回归拟合，但因素较多时存在方程的选择困难、参数的估计不精确和伪回归等诸多问题；还有，这类模型都是静态的，无法适应动态的旅游预测需要，从而会产生不确定性，导致预测结果波动较大。从这个角度上看，人工智能就弥补了传统计量方法的不足，具有更好的适应能力和包容性。传统的计量和人工智能等定量分析方法都有赖于较为完备的统

23、计数据。然而在现实中，影响旅游需求的因素非常多，比如政治法律因素、经济因素、社会文化因素、交通运输因素和旅游资源因素。在定量分析模型中不可能穷尽所有的关联因素，况且有些因素是不可量化的，但是这些因素又会对旅游业产生深刻影响，从而也不能忽略。因此定量分析方法就受到了限制，在这种情况下定性分析方法中的德尔菲法(Delphi)有更好的兼容性。德尔菲法(Delphi)是由美国兰德公司在20世纪50年代创立的，它是在缺乏历史数据或发展倾向的情况下，或者是需要对某种问题做高水准的主观判断，由专家利用现有信息做出判断和预测。泰德史威尔(Tideswell)将德尔菲法和人工智能方法结合起来，从而展现出更好的预

24、测能力。因此，在现有的以定量分析为主的预测方法体系下，德尔菲法是一个有益的补充。三、结语与展望人工智能方法在旅游预测中与传统方法相比的确取得了较好的预测效果，但其研究与应用还只是一个开端，目前亟待学者解决的问题有：第一，怎样将人工智能方法与传统定量和定性方法相结合组成预测能力更好的模型；第二，怎样运用人工智能方法对旅游短期波动和季节性进行分析和预测；第三，旅游业是一个高敏感性行业，易受自然因素和人为事件的影响，人工智能该如何改进，从而可以进行冲击分析和风险评估。然而，模型只是一种研究和解决问题的手段，重要的是通过模型认识经济现象的本质。责任编辑：宋志伟其他参考文献Baker, Sheridan

25、. The Practical Stylist. 6th ed. New York: Harper & Row, 1985.Flesch, Rudolf. The Art of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation Studies: An Integrated Approach. Amsterdam: John Benjam

26、ins, 1987.Hu, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto. The Philosophy of Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Sh

27、uneng. 连淑能, 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊, 当代西方翻译理论选读 M. 北京: 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: Longman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.