汪高元+姚璇
摘要：科学的旅游市场预测是旅游合理规划的基础，为有效规划安徽旅游网络，提高旅游资源的能效比，在分析安徽省旅游市场发展现状的基础上，利用神经网络建立旅游需求预测模型，选取1998-2015年的指标数据，利用单因素神经网络法对安徽旅游市场需求进行预测和分析。经预测，该法预测精度较高，可广泛运用于各种市场预测中，且安徽旅游业市场需求旺盛，旅游效益较高，可作为安徽省产业转型的龙头产业来发展。
关键词：神经网络；安徽旅游；市场需求预测
中图分类号：F2
文献标识码：A
近年来，旅游业作为拉动区域经济增长、带动产业转型升级的强劲引擎，备受各级政府的高度关注。十三五期间，安徽省将旅游业确立为战略性支柱产业和促进安徽国际外向拓展的先锋产业。若要推动旅游业的快速发展，就必须要对旅游业进行合理的规划。旅游发展规划是决定安徽旅游发展好坏的关键因素，而旅游需求预测为旅游发展规划奠定了良好基础，所以深入分析安徽旅游业市场需求，并利用神经网络对安徽旅游市场趋势进行预测，对安徽旅游规划及旅游业冲刺万亿产业，建设旅游强省具有重要的意义。
1安徽省旅游业市场需求分析
近年来，安徽省大力发展旅游业，积极优化旅游服务环境，旅游业发展势头良好。2016年上半年，全省实现旅游总收入2287.42亿元，同比增长18.55%。其中，全省接待入境游客209.94万人次，同比增长1408%；接待国内游客2.45亿人次，同比增长15.84%。
旅游收入和旅游人数是区域旅游业发展的直接体现，也是区域旅游业竞争能力的外在表现。本文在整理相关统计资料的基础上，得出安徽省旅游业发展的相关指标，如表1所示。从表1分析可见，安徽旅游业呈现如下特点：首先，安徽凭借良好的资源禀赋及独特的人文地理优势，旅游收入和旅游人数都保持了较快的发展速度。其中，国内旅游人次从1998年的237725万人次增长到2015年的44400万人次，增长了1768倍；而入境旅游人次也从184198人次增长4446000人次，增长了23倍。国内旅游收入从1998年的113亿元增长到2015年的3980.5亿元，增长了34倍；而旅游外汇收入也从7036.05万美元增长到226000万美元，增长了近31倍。其次，从国内旅游与入境旅游市场对比来看，入境旅游市场需求发展强劲，尤其是2008年前，入境旅游业的效益明显高于国内旅游业，但近年来，随着国内居民收入的不断提高，国内旅游市场需求快速增加，增速超过了入境旅游市场，且国内旅游收入的增长率明显高于旅游人次的增长率，国内旅游市场发展前景较好，市场提升潜力较大。最后，旅游业具有较强的脆弱性，受外在因素干扰较大。如2003年，受“非典”事件的影响，安徽旅游收入和旅游人数明显出现了大幅下滑，尤其是入境旅游发展严重受阻，市场风险较大，但与此同时，旅游业又具有较强的复苏能力，2004年，旅游市场出现大幅度反弹，尤其入境旅游人次增长了78.4%，旅游外汇收入增长了68.6%。
2基于神经网络的安徽省旅游业市场需求预测分析
2.1神经网络法旅游市场需求预测模型的构建
神经网络是一种应用类似于大脑神经突触连接的结构进行信息处理的数学模型，神经网络具备模拟人脑的信息分析功能，且因其具有非线性、非限制性等特性，广泛应用于故障诊断、模式识别、市场预测等方面。
BP神经网络是一种多层前馈神经网络，该网络的特点是信号的传播是前向型的，误差传播是反向型的，该学习过程能较好地揭示非线性时间序列的内在相关性，减少信息损失，易于进行市场预测。此外，神经网络在做预测前要先进行网络训练，通过训练使网络具有联想记忆和预测能力。神经网络法可用于旅游市场需求预测，即通过研究过去的历史统计数据进行训练，利用一个经过适当训练的神经网络去解决一些由数学模型难以处理的问题。如可用时间数据序列的前k个值[X（t-1），X（t-2），…，X（t-k）]去预测下s个值
本文根据旅游市场数据收集的实際情况，运用Matlab软件，采用单因素神经网络法进行安徽旅游市场需求预测。
2.2安徽省旅游业市场需求预测实证分析
2.2.1预测对象的选取
本文选取安徽省旅游业市场需求发展情况作为对象建立预测模型，同时根据安徽统计数据可获得性等实际情况，选取1998年至2015年安徽省旅游人次与收入作为预测研究的基础数据，设计神经网络模型，并对其发展趋势做出预测。
2.2.2数据预处理与分析
由表1知，安徽各年的旅游人数及收入呈逐年递增的现象，且增长率呈现非线性关系，难以用一个线性关系式来表达相关数据间的关系，故本文将利用神经网络法来进行数据的分析与预测。假设可以根据前几年的旅游指标数据预测当年的旅游指标数据，即按照以往四年的接待人数及收入可以预测第五年的接待人数及收入，可列矩阵表2。
如表2所示，2013年以前的数据为训练数据，2014及2015年数据为验证数据。根据安徽旅游业相关指标的具体情况，本文设计相应的单因素模型程序。因模型输入变量中的数据变动范围较大，我们首先对数据进行归一化处理，然后构建BP神经网络，设置网络隐藏神经元数目，并应用样本向量对网络进行训练。待构建好的模型经过多次的训练过后，达到了预设的精度要求后，便可开始预测旅游业的相关指标数据。
2.2.3数据预测结果
根据预测模型实际要求，本文设置网络隐藏神经元数目14个，各项指标网络分别经过5次、2次、65次和5次迭代后完成训练，其误差均达到预定目标以下（见图1）。
从图1、图2可以得出，训练后的网络对样本数据仿真效果较好，除个别数据外，预测的误差率均较小，模型训练能力较好。由此，现可利用训练好的网络进行安徽相关旅游指标的实际预测了。预测结果如表3所示。
3结论
本文在分析安徽省国内旅游及入境旅游市场发展现状的基础上，利用神经网络建立单因素旅游需求预测模型，通过导入前四年数据至训练好的神经网络中进行预测第五年的旅游人数及收入，预测效果较好，误差较小，该预测方法可继续广泛运用于各种市场预测中。但同时，针对旅游市场易受外界因素干扰的情况下，今后可考虑综合采用多种预测方法（如多因素神经网络法、灰色关联法等）进行旅游市场预测。
从数据分析上来看，未来几年的安徽省旅游业收入增加比例均在9%以上，增长势头较为强劲，尤其是入境旅游市场，市场发展潜力巨大，旅游外汇收入年均增长率超28%，旅游效益较高。因此，今后我们要进一步提升旅游服务质量，优化旅游环境，做好美好安徽旅游宣传工作，推进旅游业国际化和特色化水平，在扩规模的同时调结构，加大旅游产品开发力度，真正实现安徽旅游业快速健康发展，从而提高旅游业对经济的贡献率，进而加速推进安徽省产业转型升级的步伐。
参考文献
[1]安徽日报.上半年全省游客接待量和旅游收入双增长[EB/OL].http：//epaper.anhuinews.com/html/ahrb/20160826/article_3490283.shtml，20160826.
[2]朱证.基于BP神经网络的凝血功能分类模型[J].中国电子商务，2010，9（7）：3738.
[3]周晓晔.基于区域一体化的物流产业集群发展模式——以沈阳经济区为例[M].北京：冶金工业出版社，2012.
[4]王小川.MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013.
[5]王静.基于人工神经网络的旅游市场趋势预测方法研究[M].北京：经济科学出版社，2012.
