مقایسه پیش بینی تعداد گردشگریان داخلی با استفاده از الگوریتم مختلف آموزش شبکه عصبی (مورد مطالعه گنبد سلطانیه)

صنعت گردشگری بعنوان یکی از صنایع پاک و پرسود دنیا مورد توجه بسیاری از اقتصاددانان و برنامه ریزان بخش دولتی و خصوصی قرار گرفته است. گسترش فعالیت های گردشگری چه در داخل کشور و چه در خارج کشور همیشه مورد توجه بوده است. بررسی مقایسه گردشگران داخلی و خارجی بیانگر توسعهاقتصاد داخلی کشورهاست نسبت گردشگران داخلی به خارجی نسبت ده به یک را نشان می دهد که این میزان بر اهمیتگردشگری داخلی می افزاید. در این پژوهش از چهار الگوریتم آموزشی مختلف برای پیش بینی تعداد گردشگران استفاده شده است. الگوریتم آموزش LM گرادیان توام، الگوریتم آموزش شبه نیوتن، آموزش کاهش دسته ای شیب برای پیش بینی تعداد گردشگران داخلی مورد استفاده قرار گرفت. متغیرهای ورودی پژوهش تعداد گردشگران میانگین، درآمد سالیانه، فاصله مبدا تا مقصد، متوسط هزینه اقامت، وضعیت جوی، روزهای بازدید و همچنین جنسیت غالب بازدید کننده بود که با استفاده از شبکه عصبی پس از انتشار و الگوریتم های آموزشی مختلف از جمله الگوریتم آموزش LM، شبه نیوتن و گرادیان توام و آموزش دسته ای کاهش شیب به پیش بینی تعدادگردشگران در روزهای بعد پرداختند. الگوریتم های آموزشی LM، گرادیان توام و شبه نیوتن بترتیب بیشترین توانایی را برای پیش بینی تعداد گردشگران داخلی داشتند. اما با استفاده از الگوریتم آموزش دسته کاهش شیب نتایج مطلوبی برای پیش بینی تعداد گردشگران داخلی گرفته نشد.

کلیدواژه ها:

گردشگری ، شبکه های عصبی ، شبکه های پس از انتشار ، شبکه های L.M ، آموزش دسته ای کاهش شیب ، شبه نیوتن ، گرادیان توام