下载文档原格式
智慧旅游评价指标体系研究——以杭州、苏州、宁波为例摘要智慧旅游在政策的支持、信息技术的支撑下在全国如火如荼的向前发展着，但是由于智慧旅游相关标准和规范的缺失，智慧旅游的建设存在很多问题。
很多省市盲目跟风，智慧景区、酒店等建设无章可循，造成了资源浪费等问题的出现。
本文在总结了文献资料的基础上，对旅游者进行问卷调查，在得出智慧旅游效应的基础上对智慧旅游评价指标体系进行了研究。
关键词：智慧旅游、效应、评价指标体系Research of factor Analysis Evaluation of Smart Tourism for Hangzhou, Suzhou and NingboAbstract: Smart tourism blossom everywhere and its construction is like a raging fire under the policy and information technology support. Due to the smart tourism lack of standardized management, the construction and development of smart tourism also has a lot of problems. It has no chapter to follow that the project development of smart tourism. Resulting in a waste of resources and other problems arise. In this paper, the evaluation index system of smart tourism was studied on the basis of predecessors’ research., drawn on the basis of the effect of tourism on the wisdom of the wisdom of the evaluation index system of tourism were studied.Keywords: smart tourism; effct of smart tourism; factor analysis evaluation;一、绪论（一）研究背景1、国内智慧旅游战略背景（1）旅游业发展迅速和转型升级随着我国旅游业产业规模不断扩大，产业结构逐步优化，产业素质明显提升，旅游业的发展正向上蓬勃发展，呈现出良好的发展态势。
基于模糊BP神经网络的苏南Y湖水质评价作者：孙永泉刘旭陈吉陆幸鹦宋梅来源：《安徽农业科学》2014年第34期摘要以苏南Y湖水环境为研究对象，运用模糊神经网络进行水质评价，根据评价结果进行该湖不同水域的水质比较。
结果表明：该湖水体溶解氧和化学需氧量在5种不同水域具有显著性差异，两者均以中湖、东湖和湖内围网区为最高，上游河流最低;而水体氨氮、总氮和总磷含量在各水域均没有显著性差异。
建立以上述5个水质指标为输入变量、包含3个神经元的隐含层和1个水质类别输出结果所组成的BP人工神经网络，经学习训练后，其可掌握水质类别特征，具备完全正确识别样本的能力。
从BP网络输出结果和模糊BP神经网络计算结果可知，该湖各水域水质处于Ⅳ和Ⅴ类之间，总体来说西湖的水质最好，上游河流次之，其次为湖内围网区和东湖，湖中最差。
相比BP网络输出结果，模糊BP神经网络计算结果可以更简单明了地表示该湖各水域水质接近于某类标准水质的程度。
关键词水质评价;BP人工神经网络;模糊综合评价;模糊BP神经网络中图分类号 S181.3;X825 ;文献标识码 A ;文章编号 0517-6611（2014）34-12253-03Y湖是苏南地区调蓄水量的主要湖泊和市区重要饮用水源，对于该地区的生活饮用、工业用水、农业灌溉和渔业资源保护等均起关键作用。
近年来，随着该地区工农业的快速发展，湖水营养物质富集，导致该湖水体的富营养化水平不断加剧。
因此，Y湖水环境的保护对于保障该地区人民生活质量和经济持续发展具有十分重要的意义。
水质评价是进行水环境保护的前提和基础[1]。
地球上所有水环境系统是一个开放而又难以界定的非线性复杂系统[2]。
采用传统的水质评价方法，往往通过大量的假设简化而偏离真实情况。
模糊BP神经网络是模糊理论同BP神经网络相结合的产物，可实现样本识别、杂讯过滤、特征量记忆存储、学习与联想及模糊信息处理等功能，在复杂系统进行定量化研究方面具有独特优势[3]。
BP 神经网络算法研究的具体过程1. 指标的选择及数据收集考虑到数据的可得到性和有效性,选取了旅游资源、人力资源、交通、服务质量、环境、费用的相关指标, 详见表1。
2. 神经网络的确定在 MATLAB R2010b 平台上选用Feed- forward backprop 网络类型（即函数newff ），训练函数选取了TRAINLM, 阈值学习函数选取了LERRNGDM, 性能函数选取了MSE, 网络层数选择四层（即一个输入层，两个隐层和一个输出层），第二、三层（隐层）选取传递函数为TANSIG ， 第四层（输出层）选取传递函数为PURELIN ，神经元个数为1。
预测过程中要创建两个网络, 即旅游总收入预测的网络和旅游人次数预测的网络，两个网络其他方面完全相同，唯一不同的是隐层神经元个数不同，隐层神经元个数选取原则为P- 1i [5]( P 为期望输入ii [6]的变量数)，本文中期望输入变量个数为6，因此确定隐层神经元个数初值为5，而后来在实际训练后发现，旅游收入预测网络的隐层神经元个数依次为6、5个时最优，旅游人次数网络的隐层神经元个数依次为5、5个时最优。
3. 数据的转化与输入以旅客总量1y /万人次、旅游总收入2y /亿元为神经网络的期望输出[6], 以旅游资源、人力资源、交通、服务质量、环境、费用为期望输入[6](见表1)。
为让数据更加具备典型性和更优良的泛化能力，故把数据重新打乱顺序进行输入，并分类为：训练输入数据、变量数据、测试数据，每类数据的选用是随机的。
其中，测试数据用来评价神经网络预测的科学性。
表2中的数据浮动范围太大，如果直接输入神经网络，则网络训练时间太长，则需要将数据进行归一化处理后再进行调用，并在最终结果输出时再进行反归一化。
将测试数据仿真后的结果数据反归一化，并与实际值的原值进行比较, 求出误差，确定神经网络的实际预测效果。
在此贴出其中一次的运行结果，详见表3和表4。
BP神经网络在西湖凹陷烃源岩评价中的应用赵兴齐;陈践发;郭望;刘高志;陈斐然;张文【期刊名称】《测井技术》【年(卷),期】2013(037)005【摘要】在测井评价中使用BP神经网络法拟合总有机碳含量,可以获得钻井剖面中连续、完整的烃源岩总有机碳含量变化和分布特征,解决了海上钻探井取样的困难.选取对总有机碳含量影响较大的常规测井曲线作为输入端,建立BP神经网络模型对西湖凹陷烃源岩总有机碳含量、生烃潜力指数和氢指数值进行拟合,从而为西湖凹陷烃源岩的评价提供了更加合理的地球化学参数.利用实测及BP神经网络拟合地球化学参数对西湖凹陷42口井的烃源岩有机质丰度综合分析认为,平湖组源岩有机质丰度高、厚度大,为凹陷主力烃源岩,其中平湖组中、上段为油气来源的主要层段;花港组源岩有机质丰度较低,对该区油气形成有一定贡献,为凹陷次要烃源岩.【总页数】5页(P567-571)【作者】赵兴齐;陈践发;郭望;刘高志;陈斐然;张文【作者单位】中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油大学(北京)油气资源与探测国家重点实验室,北京102249;中国石油塔里木油田公司勘探开发研究院,新疆库尔勒841000【正文语种】中文【中图分类】P631.84【相关文献】1.测井资料在江陵凹陷烃源岩评价中的应用 [J], 何希鹏;张青2.层序地层地球化学方法在烃源岩评价中的应用--以海拉尔盆地贝尔凹陷为例 [J], 吴文祥;张海翔;李占东;梁鹏;刘赛;李萌;鲍储慧3.层序地层地球化学在海拉尔盆地呼和湖凹陷烃源岩评价中的应用 [J], 吴海波;李军辉4.BP神经网络技术在识别西湖凹陷平湖组煤层中的应用 [J], 葛和平; 高顺莉; 周平5.测井预测TOC方法在哈日凹陷烃源岩评价中的应用 [J], 李子梁;陈治军;白晓寅;王小多;韩长春因版权原因，仅展示原文概要，查看原文内容请购买。
２０２０年６月Ｊｕｎ．２０２０江 苏 水 利ＪＩＡＮＧＳＵＷＡＴＥＲＲＥＳＯＵＲＣＥＳ水生态与环境１５ 收稿日期：２０２００２２０作者简介：张天琪（１９９５—），女，本科，研究方向为微机继电保护及河道治理评价。
Ｅｍａｉｌ：ｔｉａｎｑｉ＿ｚｈａｎｇ１９９５＠１６３．ｃｏｍ基于ＢＰ神经网络算法的河湖生态健康评价研究张天琪（江苏省泰州引江河管理处，江苏泰州 ２２５３００）摘要：研究提出利用ＢＰ神经网络智能算法对河湖生态健康进行评价，通过构建基于ＢＰ神经网络的河湖生态健康评价系统模型，根据评价指标的数量设定ＢＰ神经网络输入层节点个数为１８，同时依据河湖生态健康指数的种类个数设定输出层节点为５个。
通过训练ＢＰ神经网络模型，在第５７３次迭代的时候，训练模型满足所设定的误差要求，所得到的ＢＰ神经网络模型可根据相关评价指标准确评价河湖生态健康指数。
关键词：ＢＰ神经网络；河湖生态；健康指数；评价指标中图分类号：Ｘ８２６ 文献标识码：Ｂ 文章编号：１００７７８３９（２０２０）０６００１５０５ＳｔｕｄｙｏｎｔｈｅｅｃｏｌｏｇｉｃａｌｈｅａｌｔｈｅｖａｌｕａｔｉｏｎｏｆｒｉｖｅｒｓａｎｄｌａｋｅｓｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍＺＨＡＮＧＴｉａｎｑｉ（ＪｉａｎｇｓｕＴａｉｚｈｏｕＬｅａｄｉｎｇＲｉｖｅｒＡｄｍｉｎｉｓｔｒａｔｉｖｅＯｆｆｉｃｅ，Ｔａｉｚｈｏｕ２２５３００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｔｅｌｌｉｇｅｎｔａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｅｃｏｌｏｇｉｃａｌｈｅａｌｔｈｏｆｒｉｖｅｒｓａｎｄｌａｋｅｓ．ＢｙｃｏｎｓｔｒｕｃｔｉｎｇａｍｏｄｅｌｏｆｒｉｖｅｒａｎｄｌａｋｅｅｃｏｌｏｇｉｃａｌｈｅａｌｔｈｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｎｕｍ ｂｅｒｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｐｕｔｌａｙｅｒｎｏｄｅｓｗｅｒｅｓｅｔｔｏ１８ａｃｃｏｒｄｉｎｇｔｏｔｈｅｎｕｍｂｅｒｏｆｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ，ｗｈｉｌｅｔｈｅｏｕｔｐｕｔｌａｙｅｒｎｏｄｅｓｗｅｒｅｓｅｔｔｏ５ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｐｅｃｉｅｓｎｕｍｂｅｒｏｆｔｈｅｅｃｏｌｏｇｉｃａｌｈｅａｌｔｈｉｎｄｅｘｏｆｒｉｖｅｒｓａｎｄｌａｋｅｓ．ＢｙｔｒａｉｎｉｎｇｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ，ｔｈｅｔｒａｉｎｉｎｇｍｏｄｅｌｍｅｔｔｈｅｓｅｔｅｒｒｏｒｒｅｑｕｉｒｅｍｅｎｔｓａｔｔｈｅ５７３ｔｈｉｔｅｒ ａｔｉｏｎ．ＴｈｅｏｂｔａｉｎｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｃｏｕｌｄａｃｃｕｒａｔｅｌｙｅｖａｌｕａｔｅｔｈｅｅｃｏｌｏｇｉｃａｌｈｅａｌｔｈｉｎｄｅｘｏｆｒｉｖｅｒｓａｎｄｌａｋｅｓａｃｃｏｒｄｉｎｇｔｏｒｅｌｅｖａｎｔｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓ．Ｋｅｙｗｏｒｄｓ：ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｒｉｖｅｒａｎｄｌａｋｅｅｃｏｌｏｇｙ；ｈｅａｌｔｈｉｎｄｅｘ；ｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒ１ 概 述近年来，随着经济发展带来河、湖等水环境污染、水资源短缺问题。
