基于BP神经网络的旅游资源评价模型分析

刘燕威

（杨凌职业技术学院，陕西 杨凌712100）

对旅游资源进行评价是一个受各种因素制约且具有较强主观色彩的过程，由于各评价模型中变量多、非线性强，因此，关于旅游资源评价结果的准确性一直饱受争议。

BP（Back propagation）神经网络模型是一个针对误差分析的反向运算过程，其具有较强的容错能力，在迭代过程中的非线性能有效避免误差的积累，对降低运算误差十分有利，同时该模型能充分发挥神经网络的自适应能力，提高了运算的智能程度［1-3］。阴姣姣等［4］根据旅游资源的特点，构建了BP神经网络模型的25个评价指标；韩福丽［5］利用BP神经网络模型的优势对25个评价指标进行了精简合并；陈萍萍［6］将BP神经网络模型首次应用到红色旅游资源评价中，给出了红色旅游资源评价的16个指标；李尚胥等［7］首次分析了误差大小对评价结果的影响。从国内外研究现状来看，尽管BP神经网络模型在旅游资源评价中有许多优点，但目前的研究仍局限于模型内部的构件，缺少系统的研究和应用。因此，本研究从评价模型整体出发，构建系统指标及选取误差值，并对BP神经网络模型进行了应用。

1 BP神经网络原理分析

BP神经网络是一种具有多层结构（一般包含输入层、隐含层和输出层）映射神经网络的结构，图1展示了BP神经网络的结构。

图1 BP神经网络的结构

BP神经网络算法包含数据正向传播、误差反向传播和误差调整计算3个步骤。假设输入层节点个数为n，隐含层节点个数为q，输出层节点个数为m，输入层至隐含层间权值为vki，转换关系用f1表示；……