论文部分内容阅读
摘 要：会展产业对宁波经济有着重要的推动作用，本文在分析宁波会展产业带动经济增长、文化提升和产业发展基础上，针对宁波会展产业经济现状，将会展产业带动宁波经济分为设施类、文化类、和产业类3个方面共19项指标组成会展经济评价指标体系，并构建了基于 BP神经网络的评价模型。
关键词：会展经济 BP神经网络 评价模型
一、引言
会展产业是近几年来高速发展起来的新兴产业，由于会展产业能够对相关产业产生较大的拉动作用，因此，很多城市和地区政府都十分重视会展产业的发展，并制订相关政策加以扶持。
宁波市作为我国著名会展城市之一，会展业经济已列为宁波市经济发展的战略性产业；同时带来直接的经济效益，和地方旅游餐饮购物等间接效益。。各个指标间存在着非线性映射关系，且彼此的相关联程度不同，这与BP网络输入与输出间的任意非线性映射相对应，加上人工神经网络的自学习性，自适应性及其Sigmoid函数可微性传递，因此，本文利用三层向前的BP人工神经网络，对宁波会展经济进行评价，对进一步推进宁波市会展业的发展具有十分重要的意义。
二、会展经济的界定
会展产业是服务业的重要先导产业，它可以对相关产业产生重要的拉动作用，可以通过举办相关活动，将第一产业、第二产业转换为第三产业，因此，会展产业与相关产业具有十分密切的联系。关于会展产业的概念，学者还没有统一的说法，至今还没有定论。本文定义会展产业是指从事各种会议、展览和交流活动以促进信息流通、经济发展和社会进步的各种生产、服务活动或部门的集合。包括展览、会议、演出、节庆等会展活动，也包括建筑、物流、酒店、交通、购物、广告等相关产业。
三、BP神经网络算法
BP人工神经网络是一种向前反向传播的网络，分为三层，即输入层，隐层和输出层，每层之间都有神经元，信息由输入层经过隐层向输出层单向传播，当输入层接到输入信号，神经元被激活，便从输入层向隐层传播，经过非线性的传播后，在输出层输出信号，如网络的输出值和期望值有偏差时，网络便通过对输出层与隐层神经元的权值和阈值自动调整修正，通过Sigmoid函数，可以使输入与输出的误差在梯度方向上下降，经过多次反馈调整，最终得到的输出值与期望值的误差最小。
四、基于BP网络建立宁波会展经济评价模型
1.宁波会展经济评价指标的建立。会展经济是多维度的经济，是一种多要素、多产业融合、跨区域、多维扩张的新型经济形态。要把这些复杂的经济指标综合到几个方面，就必须考虑影响指标本身的特征、逻辑关系、和指标的量化处理等问题，否则就失去评价宁波会展经济效益的真正目的。依据宁波会展业对经济作用评估的三个一级指标、19个二级指标的评估，采用BP算法计算各项目的会展经济水平对会展经济的作用进行综合评价。确定会展经济评价指标如下。
由上可知输入变量为：
X = {场馆（x1）， 场地（x2），住宿（x3）， 消防用水（x4）…，服務资源（x19）}
2.BP神经网络的输入输出层与隐层节点的确定。因为BP网络的三层结构模型可以使运算时的收敛速度加快，因此采用三层的网络，输入层为影响因子个数，本文的影响因子为19个，因此输入层的节点为19。本文采用Kolmogorov定理：即隐层单元数目q=sqrt（n+m+1）+a； a为1-10之间的常数，n为输入单元个数，m为输出单元个数。根据宁波会展经济情况，研究分析指标标准化后其网络的输出值是0～1之间的数， 将评价结果分为5个等级，会展经济情况用字母H表示，则输出的值状况如下：
0.8﹤H≦1很好，0.6﹤H≦0.8良好，0.4﹤H≦0.6一般，0.2﹤H≦0.4低碳发展差，0﹤H≦0.2较差。
3.宁波会展经济评价的BP学习算法。根据宁波会展经济的影响因素，令输入向量为 X = （x1，x2 ，…，x19）T，并引入x0=1的阈值；隐层输出向量Y=（y1，y2 ，…，y6） ，同时引入隐层阀值y0=1；输出层输出向量为θ = （θ1，θ2，…，θ5）；期望输出向量为D=（d1，d2，…，d5）。输入层到隐层之间的数值矩阵用E表示，E= （e1，e2 ，…，e6），其中列向量Ej为隐层第j个神经元对应的权；隐层到输出层之间的数值矩阵用W表示，W=（w1，w2，…，w5，），其中列向量 wk 为输出层第 k 个神经元对应的权向量。输出层为公式（1），输出层为公式（3），而这两个公式之间的转移函数 为f（x）函数。
（3）
4.实证分析。宁波市会展经济研究所受市政府有关部门的委托，对第五届中国家博会的相关数据进行了系统的采集，具体数据如下。
根据表中的数据根据标准化公式对表中数据进行标准化处理，根据神经网络的输入输出函数，以及计算差距公式然后经过修正公式修正权值和阈值，前5个会展数据作为学习样本， 综合运用MATLAB神经网络的工具箱得到合适的训练神经元的权值用，其中的学习精度ε=10-4，然后用后三个会展组数据作为检验。经过4500 次的学习后，得到如下学习结果：
训练后的误差较小，对后三个会展进行验证，通过传统的层次分析法对之前的指标进行分析时，得到与人工神经网络训练相一致的结果。因此可以用BP神经网络对宁波会展经济进行有效的评价。
五、结语
本文通过分析，运用基于神经网络的综合评价方法对宁波会展经济进行评价，经过测试，验证了该方法应用的合理性和可行性。对会展经济进行动态的评价，克服了传统评价方法滞后性和片面性，具有实效性。对会展产业链构成产业的拉动、城市基础设施建设的提升、城市形象的展示、文化产业的促进作用。
参考文献：
[1]张小月，肖雄.会展产业与我国城市互动发展研究[J].北方经济，2006（9）.
[2]依绍华.解析城市会展业发展基石[J].时代经贸，2006（4）.
[3]张旭亮，张海霞.区域经济发展中的会展产业分析及战略思考——以义乌为例[J].商业研究，2006（15）.
[4]靳蕃.神经计算智能基础原理方法[M].成都：西南交大出版社，2000.
[5]罗四维.大规模人工神经网络理论基础[M].北京：清华大学出版社，2004.2.
关键词：会展经济 BP神经网络 评价模型
一、引言
会展产业是近几年来高速发展起来的新兴产业，由于会展产业能够对相关产业产生较大的拉动作用，因此，很多城市和地区政府都十分重视会展产业的发展，并制订相关政策加以扶持。
宁波市作为我国著名会展城市之一，会展业经济已列为宁波市经济发展的战略性产业；同时带来直接的经济效益，和地方旅游餐饮购物等间接效益。。各个指标间存在着非线性映射关系，且彼此的相关联程度不同，这与BP网络输入与输出间的任意非线性映射相对应，加上人工神经网络的自学习性，自适应性及其Sigmoid函数可微性传递，因此，本文利用三层向前的BP人工神经网络，对宁波会展经济进行评价，对进一步推进宁波市会展业的发展具有十分重要的意义。
二、会展经济的界定
会展产业是服务业的重要先导产业，它可以对相关产业产生重要的拉动作用，可以通过举办相关活动，将第一产业、第二产业转换为第三产业，因此，会展产业与相关产业具有十分密切的联系。关于会展产业的概念，学者还没有统一的说法，至今还没有定论。本文定义会展产业是指从事各种会议、展览和交流活动以促进信息流通、经济发展和社会进步的各种生产、服务活动或部门的集合。包括展览、会议、演出、节庆等会展活动，也包括建筑、物流、酒店、交通、购物、广告等相关产业。
三、BP神经网络算法
BP人工神经网络是一种向前反向传播的网络，分为三层，即输入层，隐层和输出层，每层之间都有神经元，信息由输入层经过隐层向输出层单向传播，当输入层接到输入信号，神经元被激活，便从输入层向隐层传播，经过非线性的传播后，在输出层输出信号，如网络的输出值和期望值有偏差时，网络便通过对输出层与隐层神经元的权值和阈值自动调整修正，通过Sigmoid函数，可以使输入与输出的误差在梯度方向上下降，经过多次反馈调整，最终得到的输出值与期望值的误差最小。
四、基于BP网络建立宁波会展经济评价模型
1.宁波会展经济评价指标的建立。会展经济是多维度的经济，是一种多要素、多产业融合、跨区域、多维扩张的新型经济形态。要把这些复杂的经济指标综合到几个方面，就必须考虑影响指标本身的特征、逻辑关系、和指标的量化处理等问题，否则就失去评价宁波会展经济效益的真正目的。依据宁波会展业对经济作用评估的三个一级指标、19个二级指标的评估，采用BP算法计算各项目的会展经济水平对会展经济的作用进行综合评价。确定会展经济评价指标如下。
由上可知输入变量为：
X = {场馆（x1）， 场地（x2），住宿（x3）， 消防用水（x4）…，服務资源（x19）}
2.BP神经网络的输入输出层与隐层节点的确定。因为BP网络的三层结构模型可以使运算时的收敛速度加快，因此采用三层的网络，输入层为影响因子个数，本文的影响因子为19个，因此输入层的节点为19。本文采用Kolmogorov定理：即隐层单元数目q=sqrt（n+m+1）+a； a为1-10之间的常数，n为输入单元个数，m为输出单元个数。根据宁波会展经济情况，研究分析指标标准化后其网络的输出值是0～1之间的数， 将评价结果分为5个等级，会展经济情况用字母H表示，则输出的值状况如下：
0.8﹤H≦1很好，0.6﹤H≦0.8良好，0.4﹤H≦0.6一般，0.2﹤H≦0.4低碳发展差，0﹤H≦0.2较差。
3.宁波会展经济评价的BP学习算法。根据宁波会展经济的影响因素，令输入向量为 X = （x1，x2 ，…，x19）T，并引入x0=1的阈值；隐层输出向量Y=（y1，y2 ，…，y6） ，同时引入隐层阀值y0=1；输出层输出向量为θ = （θ1，θ2，…，θ5）；期望输出向量为D=（d1，d2，…，d5）。输入层到隐层之间的数值矩阵用E表示，E= （e1，e2 ，…，e6），其中列向量Ej为隐层第j个神经元对应的权；隐层到输出层之间的数值矩阵用W表示，W=（w1，w2，…，w5，），其中列向量 wk 为输出层第 k 个神经元对应的权向量。输出层为公式（1），输出层为公式（3），而这两个公式之间的转移函数 为f（x）函数。
（3）
4.实证分析。宁波市会展经济研究所受市政府有关部门的委托，对第五届中国家博会的相关数据进行了系统的采集，具体数据如下。
根据表中的数据根据标准化公式对表中数据进行标准化处理，根据神经网络的输入输出函数，以及计算差距公式然后经过修正公式修正权值和阈值，前5个会展数据作为学习样本， 综合运用MATLAB神经网络的工具箱得到合适的训练神经元的权值用，其中的学习精度ε=10-4，然后用后三个会展组数据作为检验。经过4500 次的学习后，得到如下学习结果：
训练后的误差较小，对后三个会展进行验证，通过传统的层次分析法对之前的指标进行分析时，得到与人工神经网络训练相一致的结果。因此可以用BP神经网络对宁波会展经济进行有效的评价。
五、结语
本文通过分析，运用基于神经网络的综合评价方法对宁波会展经济进行评价，经过测试，验证了该方法应用的合理性和可行性。对会展经济进行动态的评价，克服了传统评价方法滞后性和片面性，具有实效性。对会展产业链构成产业的拉动、城市基础设施建设的提升、城市形象的展示、文化产业的促进作用。
参考文献：
[1]张小月，肖雄.会展产业与我国城市互动发展研究[J].北方经济，2006（9）.
[2]依绍华.解析城市会展业发展基石[J].时代经贸，2006（4）.
[3]张旭亮，张海霞.区域经济发展中的会展产业分析及战略思考——以义乌为例[J].商业研究，2006（15）.
[4]靳蕃.神经计算智能基础原理方法[M].成都：西南交大出版社，2000.
[5]罗四维.大规模人工神经网络理论基础[M].北京：清华大学出版社，2004.2.