孫志鴻Sun, Chin-Hong臺灣大學:地理環境資源學研究所李依璇Lee, Yi-HsuanYi-HsuanLee2010-05-052018-06-282010-05-052018-06-282009U0001-1707200913403300http://ntur.lib.ntu.edu.tw//handle/246246/179737對於觀光產業來說，了解觀光需求是觀光分析的起點，藉由了解觀光需求可以了解觀光市場的喜好，以便觀光相關產業做決策的基礎，進而降低決策風險，因此觀光需求的預測在於旅遊管理中是非常重要的一環。並且研究指出影響觀光需求的因素有多種；然而，在先前的研究中，多以單一變數以及線性方程來預測觀光需求。因此本研究利用不同因素如(人口、匯率、GDP等)作為國際觀光客的需求的輸入變數，並且利用不同的類神經網路模型如自組性類神經網路(SOM)、輻狀基底函數類神經網路(RBF)、及倒傳遞類神經網路(BP)來建立國際觀光客的需求，並以日本對台灣的觀光客需求做為案例進行分析；進一步和傳統的回歸模型預測方法進行比較。研究結果顯示自組性類神經網路的預測效果最佳，且匯率是影響國際觀光客需求的最大因素，而遞延一期的旅客數對旅客需求也有很大的影響。而類神經網路相較於傳統的預測方法更有更高的準確性和穩健性，未來可實際利用類神經網路進行更廣泛的觀光客需求預測應用。Tourism demand is important for policy-making. The study of tourism demand is attracting more and more attention. Research has shown multiple factors may have an impact on tourism demand. However, few studies have been done on applying the multiple factors to forecast tourism demand. The purpose of this thesis is to determine if the model applying artificial neural network would be more suitable for forecasting international tourism demand. The models were established for tourist from Japan to Taiwan. There were three artificial neural network models developed for forecasting tourism demand. The models are including self-organizing map (SOM), radial basis function (RBF), and back-propagation (BP). Rather, factors were specified which, on the basis of previous studies, were applied to the models. The data was collected from 1979 to 2006.Results indicated that SOM models did show the best prediction results and compared to traditional model also show the better result. Exchange rate was the most significant factor for international tourism demand.目 錄謝…………………………………………………………………...................….…...i文摘要………………………………………………………………………………...ii文摘要……………………………………………………………..….…...…………iii一章 序論…………………………………………………….……………………..1一節 研究背景與動機…………………………………….…………………..1.1 國際旅遊概況…………………………………………………………...1.2 台灣旅遊概況…………………………………………………………...3.3 研究動機………………………………………………………………...5二節 研究目的……………………………………………………………...…72.1 面臨的問題……………………………………………………………...72.2 研究目的………………………………………………………………...8二章 文獻回顧………………………………………….…………………………..9一節 觀光需求概念………………………………………………...……… 9二節 國際觀光需求…………………………………………………...……..11.1國際觀光需求量測方式………………………………………………....11.2國際旅客和國際入境人數………………………………………………12三節 影響觀光需求因素………………………………………………...…..14.1 客源地影響因素………………………………………………...……..14.2 目的地影響因素……………………………………………………….16.3 其他影響因素. ………………………………………………...………17四節 觀光統計………………………………………………...……………..18五節 測量觀光需求的方法. ………………………………………………...19六節 傳統觀光需求預測方法的發展……………………………………….24七節 類神經網路發展與應用……………………………………………….267.1 腦神經細胞……………………………………………………………267.2 類神經網路原理………………………………………………………27 7.2.1類神經網路系統架構. ………………………………………….28 7.2.2 類神經網路學習方式. …………………………………………30 7.3 類神經網路優點……………………………………………………….327.4 類神經網路特性……………………………………………………….337.5 類神經網路的發展 …………………………………………………….347.6 類神經網路的應用…………………… ………………………….……36八節 觀光需求應用類神經網路預測方法………………………………….37九節 設計國際觀光需求類神經網路預測模型…………………………….39三章 研究方法…………………………………………………………………….40一節 理論概述………………………………………………………………...40.1 自組性類神經網路………………………………………………...42.2 輻狀基底函數類神經網路……………………………………….43.3 倒傳遞類神經網路…………………………………………………….44二節 類神經網路模型設計……………………………………………...45.1 步驟一：選取變數……………………………………………………452.2 步驟二：蒐集資料和檢驗…………………………………………….452.3 步驟三：資料前處理………………………………………………….452.4 步驟四：劃分資料……………………………………………………462.5 步驟五：設計類神經網路架構……………………………………….472.6 步驟六：選擇評價指標……………………………………………….48.7 步驟七：訓練類神經網路和最佳化…………………………………48四章 日本來台旅客預測模型成果分析……………….…………………………49一節 資料分析和處理………………………………………………………49.1 決定旅客需求影響因子……………….………………………………49.2 資料分析……………….……………………………………………....50.3 資料處理……………….……………………………………………....51二節 類神經網路二維輸入預測模型….……………………………………52.1 自組性類神經網路模型……………….………………………………52.2 輻狀基底函數模型……………….……………………………………55.3 倒傳遞類神經網路模型……………….………………………………57三節 類神經網路五維輸入預測模型….……………………………………59.1 自組性類神經網路模型…………….………………………………....59.2 輻狀基底函數模型……………….……………………………………62.3 倒傳遞類神經網路模型……………….…………………………...….63第四節 其他預測模型……………….……………………………....................64 4.1 Holt-Winters預測模型……………….………………………………..64 4.2 多元回歸預測模型……………….…………………………………….67 4.2.1 二元回歸預測模型……………….……………………………..68 4.2.2 五元回歸預測模型……………….……………………………..70第五節 結果分析……………….………………………………………………72 5.1類神經網路預測模型成果分析……………….………………………..72.2 其他預測模型成果分析……………….……………………………….74.3 類神經網路模型與其他模型預測2007年旅客值之比較…………….75.4 不同輸入變數維度之比較……………………………………………..77.5 類神經網路模型2008-2012年旅客預測值…………………………..78五章 結論與建議……………….……………………………................................79第一節 研究結論……………….……………………………............................79第二節 研究限制……………….……………………………...........................81第三節 研究建議……………….……………………………............................82考文獻………………...………………………………….…….……………………83錄錄A：自組性類神經網路模型程式碼……………………………………………...86錄B：輻狀基底類神經網路模型程式碼…………………………………………....88錄C： 倒傳遞類神經網路模型程式碼…………………………………………….95amp;#8195;目錄 1-1 近十年來台旅客統計圖………………………………………………….......3 1-2 2006年來台旅客居住地分析圖. ……………………………………………4 2-1 World Overnight International Visitors. …………………………………….13 2-2 人腦神經細胞構造圖………………………………………………...……..26 2-3 類神經網路架構圖………………………………………………...………..27 2-4 單層前饋式類神經網路架構圖…………………………………………….28 2-5 多層前饋式類神經網路架構圖. …………………………………………...29 2-6 回饋式類神經網路架構圖. ………………………………………………...29 2-7 回傳時間稽延示意圖………………………………………………...……..30 2-8 監督式學習法流程圖. ………………………………………………...……31 2-9 非監督式學習法流程圖. ………………………………………………...…31 2-10 類神經網路發展圖. ………………………………………………...………35 3-1 二為矩陣的SOM網路架構圖……………………………………………...40 3-2 SOM網路神經元的拓樸座標圖……………………………………………40 3-3 SOM網路神經元架構圖……………………………………………………41 3-4 RBF網路架構圖……………………………………………………………42 3-5 BP網路架構圖………………………………………………………………43 3-6 時間序料資料分類方式－依照時間順序分類…………………………….46 3-7 時間序料資料分類方式－隨機分類……………………………………….46 3-8 多變數類神經網路架構圖………………………………………………….474-1：二維輸入網路架構…………………………………………………………..524-2：五維輸入網路架構……………………………………………………………524-3：SOM-gridtop二維輸入模型誤差序列圖……………………………………524-4：SOM-hextop模型誤差序列圖…………………………………………………534-5：RBF二維輸入模型誤差序列圖………………………………………………564-6 :BP二維輸入模型預測誤差序列圖……………………………………………574-7 :SOM-grid五維輸入模型預測誤差序列圖……………………………………594-8 :SOM-hextop五維輸入模型預測誤差序列圖…………………………………594-9 : RBF五維輸入模型誤差序列圖………………………………………………624-10 :BP五維輸入模型預測誤差序列圖………………………………………….634-11：Holt-winters回歸模型預測序列圖…………………………………………654-12：二元回歸模型預測序列圖………………………………………………….684-13：五元回歸模型預測序列圖………………………………………………….705-1 ：各種不同模型2007年旅客預測值…………………………………………75amp;#8195;目錄1 旅遊預測方法特性和需求………………………………………………....202 旅遊預測方法分類表. ………………………………………………...……243 類神經網路建立程序……………………………………………………….404-1 SOM二維輸入不同鄰近區域之預測比較圖……………………………....544-2 SOM二維輸入矩形模型預測序列圖 …………………………………….574-4 BP二維輸入模型預測序列圖 ……………………………………………584-5 SOM五維輸入不同鄰近區域模型預測誤差序列圖………………………604-6 SOM-hextop五維輸入模型預測分析 …………………………………….614-7 RBF五維輸入模型序列圖 ………………………………………………624-8 BP五維輸入模型序列圖 …………………………………………………634-9 Holt-winters模型之方程式變數值及誤差值………………………………664-10 Holt-winters模型2007預測值…………………………………………….664-11 二元回歸模型之方程式及誤差值…………………………………………684-12 二元回歸模型2007年預測值……………………………………………..694-13 五維回歸模型之方程式及誤差值…………………………………………704-14 五元回歸模型2007年預測值……………………………………………..715-1 類神經網路預測評價表…………………………………………………….725-2 SOM五維回歸模型2007預測值…………………………………………..735-3 其他網路預測評價表……………………………………………………….745-4 不同模型預測評價表(2007年12個月分) ………………………………..765-5 不同預測模型預測評價表(2007年1月份) ………………………………765-6 不同輸入變數各模型預測評價表…………………………………………775-7 多元回歸模型之係數……………………………………………………….775-8 類神經網路模型2008-2012年旅客預測值…………..……………………78application/pdf2381284 bytesapplication/pdfen-USSOM類神經網路BP類神經網路RBF類神經網路旅客需求預測模型tourism demandartificial neural networkforecasting modelSOMBPRBFthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/179737/1/ntu-98-R96228003-1.pdf