《表5 BP神经网络模型训练及测试误差结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《乡村农户旅游适应效果、模式及其影响因素——以西安市和咸阳市17个案例村为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先运用三层BP神经网络建立农户适应性指数预测模型。根据影响农户旅游适应性的相关指标，将前述的27个评价因子作为影响因素，适应性指数作为预测变量，建立输入层神经元个数为27个，输出层神经元个数为1个的神经网络模型。训练过程中，利用“试错法”确定隐含层神经元个数，自动调节网络寻找适合该模型隐含层神经元个数的最小值，直至网络趋于收敛且预测结果稳定。通过设置epochs、lr、goal等目标，经过1036次迭代，发现存在13个隐含层神经元时，模型相对误差最小（表5），拟合效果最佳（图6）。此时，训练样本、验证样本、测试样本以及总体预测结果的回归系数（R）分别为0.99993、0.99985、0.99975和0.99989，均接近于1，表明模型匹配良好、预测精度高，网络输出与期望输出互相吻合。