秦立公 王寧寧 李娟

[摘要]旅游物流的需求預(yù)測對旅游產(chǎn)業(yè)的發(fā)展影響很大，而旅游物流本身的獨特性和復(fù)雜性使一般方法在進行旅游物流需求預(yù)測時具有很大的難度，且預(yù)測的精度差。為了克服一般方法需求預(yù)測的局限性及旅游物流數(shù)據(jù)的不完整性，文章建立了基于神經(jīng)網(wǎng)絡(luò)的旅游物流預(yù)測模型，利用神經(jīng)網(wǎng)絡(luò)理論和Braincell軟件對廣西旅游物流需求進行預(yù)測，極大程度的提高了旅游物流預(yù)測的準(zhǔn)確性。

[關(guān)鍵詞]人工神經(jīng)網(wǎng)絡(luò)；旅游物流；需求預(yù)測

[DOI]1013939/jcnkizgsc201538051

1引言

旅游物流對廣西地區(qū)經(jīng)濟的發(fā)展至關(guān)重要，準(zhǔn)確把握、預(yù)測旅游物流需求有助于有關(guān)部門制定合理的旅游物流規(guī)劃、促進國民經(jīng)濟可持續(xù)發(fā)展、提高居民生活水平。國內(nèi)學(xué)者通過一定的方法和模型確定了影響旅游物流能力的關(guān)鍵要素，為旅游物流需求的預(yù)測提供了一定的理論基礎(chǔ)，而在物流需求預(yù)測方面也提出了很多如時間序列模型、灰色預(yù)測、回歸分析等具有創(chuàng)新性和實踐意義的方法。由于旅游物流具有的獨特性和負責(zé)性使得這些模型及分析方法在前提條件、適用范圍和側(cè)重點的選取方面具有一定的困難，因此在實際應(yīng)用中各有利弊。人工神經(jīng)網(wǎng)絡(luò)可以將定量或定性的信息等勢的分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，有很強的魯棒性和容錯性，通過建立基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，利用Braincell軟件進行計算以期達到精確預(yù)測旅游物流需求的目的。

2旅游物流的需求界定

經(jīng)過多年的發(fā)展，關(guān)于旅游物流需求的定義至今仍沒有一個令各方滿意的結(jié)論。物流服務(wù)貫穿了整個旅游活動過程中，旅游物流可以看作為了使旅游消費者獲得更好地滿足感和旅游體驗，與旅游相關(guān)的主體提供讓旅游消費者更為暢通流動的旅游服務(wù)，與此相應(yīng)的旅游物流的能力指提供的旅游服務(wù)內(nèi)容以及相關(guān)主體使用物流設(shè)施對旅游物流活動進行計劃、組織、協(xié)調(diào)和控制的能力，到旅游物流的具體環(huán)節(jié)，可以從涉及旅游者的吃、住、行、購、游、娛等方面界定旅游相關(guān)主體運用物流設(shè)施為游客提供旅游服務(wù)的能力。文中對旅游物流需求的預(yù)測可以從往年的旅游物流能力方面進行預(yù)測，通過準(zhǔn)確的預(yù)測旅游物流需求可以較好地規(guī)劃未來年份旅游業(yè)發(fā)展方向，對物流設(shè)施和設(shè)備進行準(zhǔn)確的投入，減少資源的浪費及設(shè)施投入不足的狀況。

旅游物流能力是指旅游服務(wù)主體向旅游消費者從“吃、住、行、購、游、娛”6個方面提供服務(wù)的能力，旅游物流需求可根據(jù)這6方面來選取指標(biāo)，但是旅游物流需求預(yù)測的準(zhǔn)確性不僅受到旅游物流的獨特性的制約，還受到一些客觀性條件的影響。如物流統(tǒng)計制度不健全，目前，我國仍沒有建立系統(tǒng)全面的物流統(tǒng)計制度，更沒有涉及旅游物流領(lǐng)域；物流統(tǒng)計沒有涉及物流活動的全過程；物流統(tǒng)計指標(biāo)過于單一。此外，國內(nèi)只有基本的貨物運輸量和貨物周轉(zhuǎn)量統(tǒng)計，其他與物流相關(guān)的指標(biāo)沒有公開的統(tǒng)計資料，也沒有權(quán)威的統(tǒng)計方法和基礎(chǔ)數(shù)據(jù)，致使物流需求預(yù)測不能通過直接指標(biāo)來衡量需求規(guī)模的大小。

3基于神經(jīng)網(wǎng)絡(luò)的旅游物流需求預(yù)測模型的建立

神經(jīng)網(wǎng)絡(luò)具有非線性、曲線擬合能力、學(xué)習(xí)能力和抗干擾能力，是一種通用的非線性函數(shù)逼近工具。通過對BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，特別適用于構(gòu)造非線性預(yù)測函數(shù)，而且精度可達到預(yù)定的要求。

31預(yù)測領(lǐng)域中的BP神經(jīng)網(wǎng)絡(luò)模型簡介

BP神經(jīng)網(wǎng)絡(luò)通過正向輸入，反向傳播誤差不斷迭代的學(xué)習(xí)過程，直到誤差減到可以接受的程度。一般包括輸入層、隱含層和輸出層的單隱含層網(wǎng)絡(luò)就能以任意精度表示并揭示任何連續(xù)函數(shù)所蘊含的非線性關(guān)系。其中：

（1）工作信號正向傳播。輸入信號從輸入層經(jīng)過隱含層，傳向輸出層，在輸出端產(chǎn)生輸出信號，這是工作信號的正向傳播。在信號的正向傳播過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，上一層神經(jīng)元的只影響下一層神經(jīng)元的狀態(tài)，即正向影響。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差信號反向傳播。

（2）誤差信號反向傳播。網(wǎng)絡(luò)的實際的輸出與所期望的輸出之間差值即為誤差信號，誤差信號由輸出端開始逐層向前傳播，即誤差信號的反向傳播。在誤差信號反向傳播中，神經(jīng)網(wǎng)絡(luò)的權(quán)值根據(jù)誤差的反饋進行調(diào)節(jié)。通過不斷地對權(quán)值的修正，使實際輸出更加接近期望輸出。

（3）預(yù)測神經(jīng)網(wǎng)絡(luò)流程。通過了解工作信號與誤差信號的傳播方向，可以清楚地了解預(yù)測神經(jīng)網(wǎng)絡(luò)的工作流程。預(yù)測開始時神經(jīng)網(wǎng)絡(luò)讀入樣本、權(quán)值，通過計算輸入層的輸入得出結(jié)果傳遞到輸出層，在輸出層進行計算，最后在計算輸出值與期望值的誤差。若誤差小于確定值則計算結(jié)束，若誤差大于確定值則繼續(xù)回到前兩層進行權(quán)值調(diào)整，把調(diào)整后的權(quán)值重新輸入到模型中，直到誤差小于設(shè)定的確定值。

本文應(yīng)用Braincell神經(jīng)網(wǎng)絡(luò)軟件來實現(xiàn)神經(jīng)網(wǎng)絡(luò)的計算與分析。

32BrainCell軟件及實現(xiàn)

321BrainCell 神經(jīng)網(wǎng)絡(luò)基本原理

BrainCell 神經(jīng)網(wǎng)絡(luò)采用誤差反向傳播學(xué)習(xí)算法，算法從兩個方面（信號的前向傳播和誤差的反向傳播）反復(fù)進行迭代學(xué)習(xí)，與神經(jīng)網(wǎng)絡(luò)預(yù)測模式基本原理相同。

322BrainCell 神經(jīng)網(wǎng)絡(luò)實現(xiàn)步驟

（1）數(shù)據(jù)的預(yù)處理和后處理。為方便的計算減少誤差，保證數(shù)據(jù)同一量綱，需要將數(shù)據(jù)歸一化為區(qū)域[0，1]之間數(shù)據(jù)。在實際的預(yù)測模型中當(dāng)數(shù)據(jù)接近0或1的時候訓(xùn)練效果會明顯下降。因此，為了避免數(shù)據(jù)落入最大飽和區(qū)，保持?jǐn)?shù)據(jù)的原有特征，根據(jù)經(jīng)驗將數(shù)據(jù)規(guī)范到[015，085]來進行修正。模型中采用反歸一化處理輸出數(shù)據(jù)。

（2）網(wǎng)絡(luò)層數(shù)目的確定。由Kolmogorov定理可知，含有一個神經(jīng)元隱含層的三層神經(jīng)網(wǎng)絡(luò)可以從任意精度逼近一個從輸入到輸出的映射關(guān)系，因此在Braincell神經(jīng)網(wǎng)絡(luò)中采用含有單隱層的三層神經(jīng)網(wǎng)絡(luò)[2]。

（3）網(wǎng)絡(luò)節(jié)點的確定。輸入層節(jié)點的多少與評價指標(biāo)個數(shù)是相對應(yīng)的。

（4）網(wǎng)絡(luò)訓(xùn)練。假設(shè)訓(xùn)練樣例是形式（x，y），其中x為輸入向量，y為輸出值。N為輸入節(jié)點數(shù)，M為輸出層節(jié)點數(shù)。從單位i到單位j的輸入表示xij，單位i 到單位j的權(quán)值表示W(wǎng)ij。一是創(chuàng)建具有N 個輸入單位，M 個輸出單位的BrainCell 神經(jīng)網(wǎng)絡(luò)；二是用隨機數(shù)（0 或1）初始化某些數(shù)字變量網(wǎng)絡(luò)權(quán)值Wij；三是對于第k個訓(xùn)練樣例（a，b），把入跟著網(wǎng)絡(luò)前向傳播，并計算網(wǎng)絡(luò)中每個單元x的輸出Qx，使誤差沿著反向傳播；四是對于每個輸出單元u，計算它的誤差項；五是對于每個隱含單元h，計算它的誤差項；六是利用誤差項更新調(diào)整每個網(wǎng)絡(luò)權(quán)值；七是重復(fù)三到六點，直到完成指定的迭代次數(shù)或者是其誤差值達到可接受的范圍。

33神經(jīng)網(wǎng)絡(luò)的旅游物流需求預(yù)測模型的建立

331模型中數(shù)據(jù)指標(biāo)確定

目前我國仍沒有健全的物流統(tǒng)計制度，因此實際工作中收集旅游物流需求數(shù)據(jù)十分困難。這里采用間接指標(biāo)法——利用與旅游物流需求相關(guān)的經(jīng)濟指標(biāo)來建立旅游物流需求的經(jīng)濟指標(biāo)體系，通過數(shù)學(xué)的方法進行總結(jié)與推導(dǎo)，確定旅游物流需求模型。

旅游物流需求是一種派生需求，這種需求的大小與其本身發(fā)展有著密切的關(guān)系。從宏觀層面上考慮主要有內(nèi)外兩部分因素：旅游業(yè)自身發(fā)展的狀況及外部環(huán)境的影響。從微觀層面來說，旅游業(yè)自身發(fā)展的狀況是旅游物流需求的關(guān)鍵因素。旅游業(yè)產(chǎn)值越高，旅游物流需求增長隨之增加，反之亦然。由此，本文選取旅游總收入和接待人數(shù)作為預(yù)測旅游物流需求的指標(biāo)。其次，影響旅游物流的其他關(guān)鍵因素就是旅游行業(yè)本身所投入的設(shè)施、人員、公路鐵路旅客周轉(zhuǎn)量等因素。根據(jù)旅游物流能力的理解從“吃、住、行、購、游、娛”等方面進行指標(biāo)的選取，如“吃、住”方面使用餐飲住宿從業(yè)人數(shù)、星級飯店數(shù)目衡量；“行”使用公路、鐵路旅客的周轉(zhuǎn)量來衡量等；“游”則使用旅行社從業(yè)人數(shù)等方面來衡量。這些因素都對行業(yè)的產(chǎn)值有較大的影響。因此，在模型中可將這些相關(guān)經(jīng)濟指標(biāo)作為旅游物流需求規(guī)模的影響因素。由此可選擇如下輸入層指標(biāo)：星級飯店數(shù)X1、接待入境旅游者平均每人消費額X2、餐飲住宿業(yè)從業(yè)人數(shù)X3、旅行社從業(yè)人數(shù)X4、鐵路旅客周轉(zhuǎn)量X5、公路旅客周轉(zhuǎn)量X6、旅游部門游船年末實有船數(shù)X7，旅游部門旅游客車年末實有數(shù)X8，共有8個。而把旅游業(yè)的年收入Y1與年接待入境旅游者人數(shù)Y2作為物流需求預(yù)測的目標(biāo)。

332數(shù)據(jù)來源

本文選取的數(shù)據(jù)資料來源于廣西壯族自治區(qū)歷年統(tǒng)計年鑒、中國統(tǒng)計年鑒、中國旅游年鑒，如表1所示。根據(jù)樣本數(shù)據(jù)選取原則，將2005年和2012年的數(shù)據(jù)作為網(wǎng)絡(luò)測試樣本，最后用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測2014—2016年的物流需求規(guī)模。

333廣西旅游物流需求的BP人工神經(jīng)網(wǎng)絡(luò)模型

（1）樣本數(shù)據(jù)的歸一化處理。選取X1，X2，X3，X4，X5，X6，X7，X8作為廣西旅游物流需求預(yù)測BP人工神經(jīng)網(wǎng)絡(luò)模型的輸入，Y1，Y2為BP網(wǎng)絡(luò)的輸出。根據(jù)BP 的本身特點，對輸入層數(shù)據(jù)進行歸一化時，采用如下公式：y=log[JB（（]x[JB））]/10。對輸出層數(shù)據(jù)則使用歸反一化處理，公式如下：P=log[JB（（]tT[JB））]/10。

（2）網(wǎng)絡(luò)節(jié)點的確定。根據(jù)構(gòu)建好的評價指標(biāo)體系，可以確定輸入層的節(jié)點數(shù)為8，輸出層的指標(biāo)數(shù)為2。

（3）網(wǎng)絡(luò)訓(xùn)練。以traindx作為訓(xùn)練函數(shù)，利用matlab計算?？芍谧畲笥?xùn)練次數(shù)為200次，目標(biāo)誤差為001，學(xué)習(xí)率設(shè)置為003，誤差曲線收斂于目標(biāo)001，進過45次迭代后，網(wǎng)絡(luò)達到目標(biāo)要求，訓(xùn)練誤差圖見下圖。

訓(xùn)練誤差圖

通過設(shè)置的數(shù)據(jù)，使用Braincell軟件對數(shù)據(jù)進行訓(xùn)練，選取全部數(shù)據(jù)作為樣本數(shù)據(jù)組，2010—2013年的樣本作為將預(yù)測樣本，輸入模型可得2010—2013年的預(yù)測值見表2。

據(jù)表3可以看出，預(yù)測效果較好，一般來說，對于經(jīng)濟指標(biāo)的預(yù)測，誤差能夠控制在3%以內(nèi)就算比較準(zhǔn)確。因此，基于與旅游物流相關(guān)的其他經(jīng)濟數(shù)據(jù)來建立BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測旅游物流需求有一定的實用價值。

4結(jié)論

根據(jù)人工神經(jīng)網(wǎng)絡(luò)理論建立的旅游物流需求預(yù)測模型，通過Braincell神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特征，運用traindx函數(shù)進行訓(xùn)練，在訓(xùn)練過程中對權(quán)值進行不斷修正，誤差比率控制合適的在范圍內(nèi)，使網(wǎng)絡(luò)的實際輸出向量逐漸地接近期望的輸出值。最后把仿真的預(yù)測結(jié)果與真實量進行初步比較分析，得出的結(jié)果能夠證明使用神經(jīng)網(wǎng)絡(luò)模型對旅游物流的預(yù)測精度較高。因此可以得出以下的結(jié)論：用BP神經(jīng)網(wǎng)絡(luò)建立模型，可以準(zhǔn)確地把與旅游物流相關(guān)的經(jīng)濟數(shù)據(jù)與目標(biāo)本身的需求量進行結(jié)合，可得到較為精準(zhǔn)的旅游物流需求預(yù)測值。由此可以推斷，人工神經(jīng)網(wǎng)絡(luò)作為高度的非線性體系，能夠?qū)?jīng)濟系統(tǒng)中個變量之間的非線性關(guān)系進行高精度的預(yù)測，將其運用在物流領(lǐng)域中的應(yīng)用具有更加廣闊的發(fā)展?jié)摿Α?/p>

參考文獻：

[1]王新利，趙琨基于神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品物流需求預(yù)測研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2010（2）：64-66

[2]秦立公，韋金榮等基于BrainCell 的B2B 電子商務(wù)供應(yīng)鏈協(xié)同績效評價體系[J].中國集體經(jīng)濟，2014（15）：112-113

[3]張圣楠，郭文義，等基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)的設(shè)計與訓(xùn)練[J].內(nèi)蒙古科技與經(jīng)濟，2005（17）：96-98

[4]熊勛人工神經(jīng)網(wǎng)絡(luò)在環(huán)境質(zhì)量評價和預(yù)測中的應(yīng)用研究[D].武漢：華中科技大學(xué)，2009

[5]白平，陳菊紅基于旅游物流能力的西部旅游發(fā)展研究[J].新疆大學(xué)學(xué)報，2013（41）：16-17

[6]秦立公，王東，等旅游景區(qū)物流能力優(yōu)化研究[J].現(xiàn)代商業(yè)，2010（24）：47

[7]李衛(wèi)東供應(yīng)鏈規(guī)劃對于物流管理效率的影響[J].中國市場，2013（38）

[基金項目]廣西哲學(xué)社會科學(xué)規(guī)劃研究課題（11FGL031）；國家自然科學(xué)基金項目（71463011）。