数学建模 旅游业程序Word文件下载.docx

1、并对中国旅游业发展提出了参考性建议.关键词:旅游业发展 多元回归 GM（1，1）灰色理论 BP神经网络 本底趋势线1、 问题重述随着社会的发展，旅游业已发展成为当今世界最大的经济产业；作为现代文明社会标志之一的旅游，也已成为现代人日常生活不可缺少的组成部分。而中国是世界上旅游业发展速度最快的国家之一，具有丰富的旅游资源，因此对旅游需求的合理规划和正确预测，对促进旅游业的发展和文化交流有着十分重要的意义。请以国内（或江西省）的旅游市场为研究对象，收集近15年的相关数据,建立34种定量预测模型（其中GM（1，1）和BP神经网络模型必需，其它可考虑微分方程、多元回归分析等）,并结合若干性能评价指标对

2、模型进行分析比较，指出影响旅游需求的主要因素，向有关部门提出具体建议。2、问题分析本文要求以国内旅游业市场为研究对象，收集最近15年的相关数据,建立多种预测模型，并结合若干性能指标对各个模型进行分析比较，指出影响旅游需求的主要因素。经过分析得出，对于预测问题，首先我们想到的是一些经典预测方法，如时间序列预测、回归预测、聚类预测、神经网络、灰色理论、本底趋势线、微分方程模型等等。其次对于旅游业发展的预测，我们考虑运用比较具有科学性的神经网络、灰色理论、多元回归、本底趋势线模型四种方法分别对中国旅游业市场进行了预测.对于回归模型,本论文将以旅游收入和旅游人数作为目标函数，将它们分别于影响旅游市场的

3、7个因素建立多元线性关系，利用excel得出方程，然后再将现有的数据带入进行检验,进而可以得出预测值,再与实际值进行比较,得出相对误差，最后再对模型进行合理的分析。对于BP神经网络模型的建立过程,首先我们分析将多个影响因素作为输入神经元，确定隐含层神经元个数,再将旅游收入和旅游人数作为输出层.建立神经网络，进行训练和拟合，最终得到一个较好的神经网络模型。可供以后进行预测。对于灰色模型的建立,根据GM（1，1）基本定义，逐步编程求解,得出灰色模型,对已有的数据进行预测，再进行模型检验。若模型精准度较高,可对未来几年进行预测，得出合理的预测结果。最后利用本底趋势线灰色模型,分别将旅游收入和旅游人数

4、建立趋势线模型,利用孙根年对本底趋势线的定义,首先对特殊的数据进行内插值处理，将一些特殊情况下得数据进行常规化处理，得出比较有规律的数据，利用matlab编写出程序，得出本底趋势线，进而对未来几年旅游收入和旅游人数进行合理预测。3、问题假设1、旅游业再需求发展是渐进的，即平稳发展；2、中国政策不会在短期内改变；3、中国内外经济政治环境相对稳定；4、中国旅游资源近几年不会有较大变化；5、未来没有重大自然灾害如03年的SARS等；6、各个影响因素遵循其发展规律。4、符号说明序号符号说明1ii取1、2152jj取1、23xi第i个影响因素4yj目标函数（旅游收入和旅游人数）5影响因素的相关系数6第i

5、个影响因素的相关度注:以上符号在模型建立中全为全局符号，在后面的具体分析中可能会引入局部符号5、模型建立与求解51多元回归模型的建立于求解过程首先,根据分析，分别将旅游收入y1和旅游人数y2作为目标函数，利用excel对最近15年数据进行处理和分析，得出两个多元线性函数，分别为：y1=23579.560.29555x1+0。075611x2+0.059685x3-2。77132x4+11。62146x5+1.031132x6+2030.36； （1）y2=-22.57840.0074x1+0.015023x2+0.005654x30.58577x4+0.392788x5+0.494439x6+

6、299。1885 （2） 通过excel软件的数据分析得出（观测值为19952009的编号）：表一：对旅游总收入的回归分析观测值预测 Y残差标准残差百分比排位Y1360.52815.171920。1225853.3333331375。71556.52681.85356661356101638.382335。776-223。0761。802416.666672112。2289.872101。30790.81854223。333332391。182760。68171.23907575594302831。923145。08530.455430.24607236。666673175。543571。55

7、549。18520。397443.333333442.2783848.41429.94619241958503522。3793703.712-261.442-2.1123956。3878。364519。818190.89241.54236363。4710。71115341.058-55.19820.44599705285.86126152.40577。2945862452176.666676229。137677。48593.114990.75234683。7770。148872。783123.487-0。99774908749。2961510162。5921.112091705896.6666

8、710183。表二：对旅游总人数的回归分析633.3902-4。39018138433。333333629620。422519。0775160155639。675.5861-31.586199597644677。22317。77703560544695704.254814.745180.464944719735。60258。3975060.26478936.66667744800。929216。53381784875.57632.4236780.076423870943.367273。36722。313418781043。05958.940971.85852163.3333311021231.

9、41619。4157-0.6122112121363。15830。841950.97250513941585.09524.905230.78530983.3333316101743.594-31.59419962217121901。8270.1734620.005471902通过两表的标准残差分析，可以看出回归分析在某些值的预测上有比较接近的解,但大部分标准残差都在1左右,说明只有一般的效果。总的来说比较理想。5.2 GM（1,1）灰色理论模型的建立与求解5.2。1 GM（1，1）灰色预测（由于2003年SARS影响严重，这里预测略去2003年的数据）Step1：建立1995-2009年国内旅

10、游收入数据时间序列如下：（1）,（2）,.。， （14）=1375。7，1638。38,2112.7,2397.18，2831。92，3175。54，3522。37，3878.36，4710。71,5285.86,6229。7，7770.6，8749。29,10183。7，Step2: 对原始数据作一次累加,即x（1） = 1375。7， 3014.08， 5126.78， 7517.96， 10349.88， 13525.42, 17047.79， 20926。15, 25636。86, 30922。72， 37152。42， 44923。02, 53672。32， 63856。02Step3: GM（1，1）建模（1）构造数据矩阵B及数据向量Y（2）计算