基于優(yōu)化的神經(jīng)網(wǎng)絡(luò)構(gòu)建旅游突發(fā)事件安全預(yù)警能力測(cè)度分析模型

（吉林工商學(xué)院 吉林·長(zhǎng)春 130062）

0 引言

旅游業(yè)是一種在旅游資源和旅游設(shè)施的基礎(chǔ)上為游客提供旅游觀光服務(wù)的行業(yè)，因此對(duì)其產(chǎn)業(yè)變化非常敏感，旅游突發(fā)事件將對(duì)旅游業(yè)產(chǎn)生重大影響。因此，我們需要認(rèn)真對(duì)待旅游緊急情況。而對(duì)于目前關(guān)于旅游突發(fā)事件對(duì)旅游產(chǎn)業(yè)帶來(lái)影響的研究水平而言，使用最廣泛的神經(jīng)網(wǎng)絡(luò)模型是BP神經(jīng)網(wǎng)絡(luò)。它是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，具有高度的自學(xué)性和自適應(yīng)的能力。在本文中，我們將研究如何通過(guò)改進(jìn)的附加動(dòng)量法建立BP神經(jīng)網(wǎng)絡(luò)模型，以進(jìn)行旅游突發(fā)事件的安全預(yù)警能力分析，從而預(yù)測(cè)旅游突發(fā)事件并盡可能地消除重大突發(fā)事件風(fēng)險(xiǎn)隱患。

1 研究?jī)?nèi)容

（1）基于大數(shù)據(jù)的概念和技術(shù)，從提高旅游業(yè)危機(jī)預(yù)警能力的角度出發(fā)，通過(guò)大數(shù)據(jù)二維發(fā)展的價(jià)值源，分析并提取旅游危機(jī)預(yù)警影響因子，通過(guò)分析和提取輸入神經(jīng)元，建立優(yōu)化的三層前饋BP神經(jīng)網(wǎng)絡(luò)模型，并對(duì)其進(jìn)行了度量分析。

（2）設(shè)計(jì)系統(tǒng)的理論模型，并使用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱，通過(guò)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)來(lái)調(diào)整相關(guān)危機(jī)影響因素的參數(shù)，參數(shù)達(dá)到理想狀態(tài)后，輸入的樣本數(shù)據(jù)將對(duì)危機(jī)預(yù)警模型進(jìn)行系統(tǒng)仿真的訓(xùn)練和測(cè)試。以吉林省旅游產(chǎn)業(yè)為例，通過(guò)將測(cè)試結(jié)果與實(shí)際情況進(jìn)行比較，驗(yàn)證了模型的可靠性。

（3）通過(guò)分析，可以得到基于大數(shù)據(jù)第二維的價(jià)值數(shù)據(jù)，從而提高旅游業(yè)危機(jī)預(yù)警的能力。

2 旅游突發(fā)事件情況分析和分級(jí)評(píng)定

旅游緊急事件的安全預(yù)警可分為旅游緊急事件國(guó)內(nèi)安全預(yù)警和旅游緊急事件國(guó)外安全預(yù)警。

旅游緊急事件可分為四類：自然災(zāi)害、事故、公共衛(wèi)生緊急事件和社會(huì)安全緊急事件。根據(jù)其性質(zhì)、嚴(yán)重性、可控制性和影響范圍，它通常分為四個(gè)級(jí)別：I級(jí)（特別重要），II級(jí)（重要），III級(jí)（相對(duì)較大）和IV級(jí)（一般）。突發(fā)事件的分類是為了履行突發(fā)事件的管理職責(zé)，提高突發(fā)事件的處理效率。

實(shí)現(xiàn)如下功能：

2.1 警示功能

警示功能是對(duì)旅游區(qū)中旅游緊急事件的前期預(yù)感和產(chǎn)生原因進(jìn)行檢測(cè)、判斷和警示的功能。通過(guò)學(xué)習(xí)完善各種因素可能產(chǎn)生的結(jié)果，對(duì)一些不穩(wěn)定的風(fēng)險(xiǎn)因素進(jìn)行識(shí)別與警告。

2.2 糾錯(cuò)功能

錯(cuò)誤校正功能是監(jiān)視并引起功能的預(yù)控制和校正。根據(jù)預(yù)控信息，將糾正旅游突發(fā)事件的預(yù)警，維護(hù)旅游活動(dòng)的安全性和穩(wěn)定性。

2.3 免疫功能

免疫功能是能夠在旅游活動(dòng)中再次出現(xiàn)相同的預(yù)警信號(hào)或先前已發(fā)現(xiàn)并糾正的相同因素時(shí)，更快速、更有效地進(jìn)行預(yù)測(cè)，并使用有效的手段進(jìn)行錯(cuò)誤糾正或有效避免。

3 BP神經(jīng)網(wǎng)絡(luò)建模過(guò)程

3.1 建模過(guò)程

本文采用三層BP神經(jīng)網(wǎng)絡(luò)，它由輸入層，隱藏層和輸出層組成。在分析影響旅游業(yè)緊急情況因素的基礎(chǔ)上，決定了輸入層中的節(jié)點(diǎn)數(shù)為14。輸入層是輸入向量的緯度，傳輸數(shù)據(jù)的影響因素?cái)?shù)，具體的節(jié)點(diǎn)數(shù)要根據(jù)特定情況進(jìn)行分析。

利用所構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型確定旅游突發(fā)事件的安全預(yù)警，將旅游目的地的狀況分為兩種狀態(tài)，一種是安全性，用1表示；另一種是發(fā)生突發(fā)事件，用-1表示。輸出數(shù)據(jù)的數(shù)據(jù)類型和大小決定輸出層節(jié)點(diǎn)為 2，用（-1，1）表示安全性，用（1，-1）表示緊急性。

此函數(shù)的輸出介于（-1，1）之間，在本文模型中，如果輸出大于0.5，則將輸出視為等于1。輸出小于-0.5，則將輸出視為等于-1。如果輸出在-0.5到0.5之間，則認(rèn)為輸出無(wú)效。

3.2 模型的改進(jìn)和優(yōu)化

附加動(dòng)量法使網(wǎng)絡(luò)在修正其權(quán)值時(shí)，不僅考慮了誤差在梯度上的影響，還考慮了在誤差曲面上變化趨勢(shì)的影響。

帶有附加動(dòng)量因子的權(quán)值和閾值調(diào)節(jié)公式為：

其中k為訓(xùn)練次數(shù)，mc為動(dòng)量因子，一般取0.95左右。

為了自適應(yīng)地調(diào)整學(xué)習(xí)率，通過(guò)檢查權(quán)重是否真正降低了誤差。如果是這樣，則選擇的學(xué)習(xí)率較低，可以適當(dāng)提高；如果沒有，則應(yīng)降低學(xué)習(xí)率。

下式給出一個(gè)自適應(yīng)學(xué)習(xí)速率的調(diào)整公式：其中E（k）為第k步誤差平方和。

在采用動(dòng)量法時(shí)，BP算法可以找到全局最優(yōu)解；在使用自適應(yīng)學(xué)習(xí)率時(shí)，BP算法可以縮短訓(xùn)練時(shí)間。

3.3 網(wǎng)絡(luò)的創(chuàng)建

3.4 網(wǎng)絡(luò)的訓(xùn)練

為了達(dá)到局部最小值并提高訓(xùn)練速度，本文使用了改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法，動(dòng)量自適應(yīng)學(xué)習(xí)速率調(diào)整算法和Matlab9.0中的TRAINGDX訓(xùn)練功能，建立改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的旅游突發(fā)事件安全預(yù)警模型，使用神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建模型，初始化和訓(xùn)練該模型。

利用train()函數(shù)進(jìn)行訓(xùn)練

根據(jù)訓(xùn)練集的結(jié)果集，將訓(xùn)練集的訓(xùn)練誤差控制在設(shè)定的要求范圍之內(nèi)，并且設(shè)置最大迭代次數(shù)為1000，滿足了網(wǎng)絡(luò)訓(xùn)練的要求。如表1，通過(guò)對(duì)三種神經(jīng)網(wǎng)絡(luò)預(yù)警模型的比較，可以得出12-7-2的訓(xùn)練精度較高，但是迭代次數(shù)較多，訓(xùn)練時(shí)間較長(zhǎng)。12-8-2的訓(xùn)練精度較低，訓(xùn)練時(shí)間較短。而12-9-2的訓(xùn)練時(shí)間較長(zhǎng)，準(zhǔn)確性較低。

表1：不同網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練模型性能質(zhì)保

因此，考慮到訓(xùn)練時(shí)間和訓(xùn)練精度，我們選擇具有更快的訓(xùn)練速度和訓(xùn)練精度的具有7個(gè)隱層節(jié)點(diǎn)神經(jīng)網(wǎng)絡(luò)模型，即選擇12-7-2的結(jié)構(gòu)作為安全性旅游突發(fā)事件預(yù)警模型。

4 旅游突發(fā)事件安全預(yù)警模型的測(cè)試與仿真

訓(xùn)練結(jié)果表明，具有7個(gè)隱層節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)可以達(dá)到理想的輸出結(jié)果。根據(jù)神經(jīng)網(wǎng)絡(luò)模型的測(cè)試步驟，我們將收集到的這100個(gè)旅游目的地信息輸入模型，對(duì)這個(gè)100個(gè)樣本進(jìn)行分析判定。為了進(jìn)一步測(cè)試該模型的準(zhǔn)確性，將來(lái)自40個(gè)旅游目的地的數(shù)據(jù)輸入到同一模型中，以記錄測(cè)試樣本集測(cè)試結(jié)果的預(yù)測(cè)準(zhǔn)確性。該模型對(duì)測(cè)試集、訓(xùn)練樣本集的測(cè)試結(jié)果，如表2所示。

表2：樣本集的測(cè)試結(jié)果

在旅游突發(fā)事件模型中，對(duì)樣本的誤判有兩種：Ⅰ類是將安全目的地判斷為突發(fā)事件。II類是指將發(fā)生了旅游突發(fā)事件的旅游地判斷為安全的目的地。實(shí)驗(yàn)結(jié)果表明，訓(xùn)練樣本集的誤判個(gè)數(shù)為4個(gè)，誤判率為4.25%，正確率為95.74%。測(cè)試樣本集的誤判個(gè)數(shù)為1個(gè)，誤判率為2.5%，正確率達(dá)到了97.5%。

5 結(jié)論與反思

本文基于BP神經(jīng)網(wǎng)絡(luò)，建立了旅游突發(fā)事件預(yù)警模型。實(shí)驗(yàn)證明該模型具有良好的預(yù)測(cè)效果和較高的正確率，并且BP神經(jīng)網(wǎng)絡(luò)解決了傳統(tǒng)模型的無(wú)學(xué)習(xí)能力問(wèn)題。模型為早期的突發(fā)旅游事件的預(yù)警提供了可靠的技術(shù)分析支持，但仍有改進(jìn)的余地。因?yàn)楹茈y搜索每個(gè)旅游目的地和緊急事件的數(shù)據(jù)，這也是本文模型的缺點(diǎn)所在。訓(xùn)練樣本數(shù)量的欠缺，會(huì)導(dǎo)致模型在遇到一些較難分辨的樣本時(shí)，發(fā)生誤判現(xiàn)象。