文摘

近年来,由于乡村旅游的快速发展,乡村旅游已经失去了它的独特的田园风光,导致某些影响乡村旅游的可持续发展。为主,基于农村特点、社会环境的发展,人口发展和经济发展为研究指标,评价指标体系的构建乡村旅游目的地。之后,实证研究乡村旅游的空间格局进行的例子,和模型由MATLAB软件模拟和分析。最后,空间自相关方法用于分析乡村旅游空间格局的演化特征。评价的结果表明,通过分析误差曲线的反向传播神经网络(摘要),评估误差和实际误差范围在0.08%,这证明了摘要算法具有良好的计算精度。摘要乡村旅游目的地田园风味评价模型建立在这里可以使乡村旅游空间的一种有效的评估。结果表明,在主要行业员工的比例和手机的普及率是决定性因素在产业结构的调整和社会环境因素,分别。农村人均旅游收入和第一产业产值的比例也会有一定的对农村发展的影响。提供一定的指导意义,乡村旅游的可持续发展。

1。介绍

与信息技术和互联网技术的快速发展,大数据技术的重要性越来越集中到各种行业。大数据是指无法处理大规模和复杂的数据,传统的数据处理方法。两种过程必须准确的消费者的消费行为和决策可以通过大数据技术,实现各种业务活动可以有针对性的方式进行。随着中国城市化进程的快速发展,人们对农村和城市旅游的需求正变得越来越高。与此同时,中国的乡村旅游近年来发展很好(1]。然而,乡村旅游的问题发生在乡村旅游的快速发展,其中最重要的是旅游目的地的市场化,从而导致的逐渐削弱农村乡村旅游目的地和冲突的性质和乡村旅游的可持续发展。

由于城市化的快速进步和发展,城乡之间的人口流动日益频繁,因此加强经济和社会发展因素的交互作用的城市和村庄。农村产业结构和布局不断调整。“乡愁”记忆的消退和农村空间分化的研究越来越重要。各界学者已经开始关注农村性质的研究(2]。目前,世界各地的研究人员进行了一系列研究和讨论农村理论。高et al。3)的框架构建农村空间重建由旅游。乡村空间重构的变化过程揭示了利用地理信息系统和参与现场调查。研究表明,农村空间重建由旅游是内部和外部力量的结果,而土地整理是直接的方式引发农村空间重建。乡村旅游可以加速农村土地整理,实现振兴。Panzer-Krause et al。4)进行了标准化的调查在巨人堤道,游客在北爱尔兰最参观景区。结果表明,可持续发展的意识下降了从个人游客长途旅游,然后邮轮游客,所以有必要管理可持续发展在特定的细分市场。乡村旅游热点应该中心协调,促进区域旅游网络提供商,从而实现他们真正融入农村社区。时et al。5)利用陆地卫星数据进行的一项调查在瓦拉纳西县农村地区。此外,结果表明,农业面积(占土地覆盖面积的50%)增长了37%,建筑面积在瓦拉纳西县1993 - 2013年期间增长了236%。相对农村发展指标是理解比较块在该地区农村的发展。Qi et al。(2021)6)花了169个村庄靖远县县为研究对象,和农村发展水平的评价指标体系构建的角度因子结构函数。靖远县的农村发展水平和空间结构特点分析了县的农村发展指数、区域功能指数,最近邻指数和探索性空间数据分析,确定农村发展的类型和具体路径。结果表明:靖远县县的农村发展水平很低,可以描述为“高发展水平在南方地区但低发展水平在北部地区。”杨et al。(2021) (7)利用多源数据,如遥感图像,构建数据,官方网站,和实地调查研究农村社区的形态和社会进化从旅游的角度来看,和分析其驱动因素。

农村居民的祖先生活的地方,和一些独特的自然景观元素成为农村的基础(8]。然而,由于城市化和乡村旅游的快速发展,农村发展正面临新的问题和挑战。最重要的一个问题是,一些农村地区的发展是无序的,自发的。城市特征、景观建设、乡村旅游市场化的过程和现象也在增多。因此,最初的农村聚落景观已经极大地负面影响(9,10]。原来在农村地区良好的自然生态环境被破坏了,和农村经济结构的问题,村民的文化和生活方式变得越来越突出。作为乡村旅游的一种,其最基本的魅力被严重忽视了在农村地区,和它的农村自然逐渐失去在乡村旅游地区(9]。乡村旅游的可持续发展将面临严峻挑战,这是紧急关注农村发展从更深层次和更广泛的水平。旅游目的地必须加强价值认知水平和实现农村旅游景点的保护。因此,乡村旅游目的地的影响因素作为切入点。乡村旅游空间格局的评价模型基于神经网络算法实现对乡村旅游的空间模式进行评估。提供一定的指导意义,乡村旅游的可持续发展。

2。方法

2.1。BP神经网络

摘要利用反向传播神经网络已成为最常用的算法之一,在机器学习领域(ML)近年来11,12]。人工神经网络(ANN)是由相互连接的神经元。同时,每个神经元接收发送的信息在前一层神经元通过非线性变换和传输接收到的信息。神经网络可以通过训练方法复杂的映射关系,并广泛应用于模式识别、函数逼近,分类预测(13]。摘要利用由三部分组成:输入层、隐藏层和输出层。隐藏层可以有多个层,每一层可以包含不同数量的神经元(14]。摘要利用作品时,首先,进口通过输入层数据样本。然后,通过一系列的数学计算,数据之间的规律。最后,所有的预测数据集计算通过使用这些法律,并得到预测结果。图1显示摘要的结构。

英国石油公司的具体表达式如下:

矩阵V和W的连接权重矩阵输出层和隐层,隐层节点的连接权重矩阵和输入层,分别。

在计算的过程中,数据传播。在这个过程中,隐藏的神经元的权值和偏差随机。神经网络传播期待获得每个神经元的总和,以及神经元上的数据传输到下一个神经元的激活函数(15]。输出层的神经元激活函数也适用完成向前传播的神经网络,并计算输出值之间的误差和实际输出层的输出值。具体表达式如下:

在哪里E代表的平方误差,t指的是期望值的示例输出,和y代表实际的输出结果。

图2——摘要的算法流程。

“梯度下降法”用于优化神经网络的权值,和微分链式法则主要是用来计算误差的偏导数E相对于网络的权重W_ij(16]。Utomo (2017) (17基于]提出了一种梯度摘要提高股票价格预测的优化方法。摘要方法,梯度下降方法用于自适应地确定学习速率,培训周期,和其他参数,以获得最佳的价值股票数据处理过程,并获得培训期间的预测的准确性。计算方法如下: 在哪里j代表了神经元的输入和净_j是指约束神经元j .方程o_j=y的导数y用于指示值的变化率,斜率和导数或用于最小化错误。的偏导数误差项相对于一个特定的神经元的输出j计算如下。

的方法表达神经元的输出输入神经元的偏导数如下:

实际的输出值的偏导数o_我计算如下:

每一层的神经元的权重摘要可以由一个偏导数和学习速率决定。当使用摘要计算,有必要不断重复以上步骤,直至输出值与期望值之间的误差达到允许范围或达到的最大次数的迭代神经网络。使用梯度下降法的优势提高摘要权重和阈值的调整可以进一步消除神经网络的不稳定造成的巨大变化的梯度值梯度调整过程。

2.2。研究区域

乡村旅游是指旅游活动的自然、人文、和村庄为对象的文化和景点18]。乡村旅游的意义包括两个功能:第一个功能是乡村旅游目的地在农村地区,农村自然和第二个特性是独特的。这两点必须满足在旅游活动在同一时间被称为乡村旅游(19,20.]。因此,在发展乡村旅游的过程中,要注意维护乡村图片。只有通过保持农村地区的原始特征,城市人回归自然和农村环境的可持续发展是保证21,22]。农村自然是重述的农村地区的概念。它是人类之间的和谐,建筑,和自然。它贯穿农村历史和人与自然之间的和谐共存的结果。人口特征和生产规模的基础和继承人类文明的可持续发展。

Jiahu杭州市浙江省北部地区作为研究区,这是一个土地的鱼和大米资源自古以来,平坦的地形和美丽的风景。浙江内陆省茂密的水资源,水体的富营养化,和高度的景观生态学,它占据了一个很重要的位置在水资源和景观生态系统。Hangzhou-Jiaxing-Huzhou地区有着独特的人文风格和乡村旅游资源丰富,乡村旅游的发展提供了条件。基于本地资源和现有的农民的生产要素,许多著名的乡村旅游品牌创建,标识为“浙江农业村”的小镇(村)和“Hangjianghu农业地区。“从社会和经济发展的角度,通过分析旅游资源,旅游水平,地理环境和交通位置,结果表明Jiahu区杭州是浙江省最大的乡村旅游开发区,最高的管理水平和规模最大。浙江省已成为第一个在中国省份发展乡村旅游。美丽的村庄的建设为载体,它是一种最丰富的旅游资源和成熟的地区在中国。Hangzhou-Jiaxing-Huzhou地区充分发挥了新农村建设的互动作用和乡村旅游的发展。通过乡村旅游的发展,广大农村居民得到工作,加强农村地区的经济实力,实现农村经济的快速发展。发生了显著的变化在农村地区,农民的生活也已大大提高,城市化已成为一个典型的例子新型农村合作经济组织在中国的生态文明建设。 Therefore, it is a typical and representative problem to choose this area as the research object.

统计年鉴的数据来自杭州,浙江省2010年,2015年和2020年,而其他数据是通过复合计算获得的。

2.3。农村建设指标的基于神经网络的乡村旅游目的地

农村发展的全面的描述是“集成和多因素的结果每个因素的变化决定了农村发展的方向交替。根据研究内容的概念和内涵田园风味的田园生活理论,田园风光是农村地区的独特属性,包括土地利用结构、产业结构、基础设施,以及其他因素。此外,目前相关研究成果通常显示来自人口定居的指标,经济发展、社会发展、土地利用、基础设施,以及其他方面,用于构建田园风味评价指标体系。在此基础上,初步提出了构建旅游目的地的田园风味评价指标体系从人口发展、经济水平、社会环境的发展,和基础设施。通过相关文献的研究,结合乡村旅游目的地的特殊性,代表性、可比性,方便指标综合选择。社会环境发展的四个主要指标、经济水平、人口发展、基础设施和细分后的15个二级指标作为评价指标。图3展示了农村的评价指标体系。

2.4。乡村旅游评价指标权重

农村的计算方法指数(RI)的农村旅游目的地是一个线性加权法,确定指标权重的方法_j是一个熵权方法。因为数据的维度是不同的,这将导致不方便计算。因此,数据应该是标准化。这里使用的方法是标准化,即使用的最大或最小值根据标准的价值指数的值。通过计算当前值和最大值或最小值的每个索引值,每个索引值之间的比例和每个索引值标准化是实现。

当参数是一个积极的指标,

当参数是负的指标,

在方程(6)和(7),X_ij显示的值_th我的指数_th县,代表了规范化的索引值,是指项目的最小值j,代表项目的最大价值j索引。

具体计算步骤如下。

步骤1。计算比重值。

步骤2。计算熵。

步骤3。计算指标的权重。 农村的乡村旅游目的地指数可以作为计算 在方程(8)- (11),说,标准化的索引值,B_ij特定的重力值,米等于县级单位的总量,W_j显示的重量j索引和RX_我代表农村指数我县单位,农村指数与价值的变化将会改变。E_j熵值,n代表的总数指标。

2.5。空间自相关分析

全局空间自相关分析可以描述研究对象的空间特征属性值在整个地区。它还可以测量整体空间不同区域之间的相关性以及它们之间差异的程度。的数学期望全球Geary C是常数1,不受空间影响体重,观察值,样本大小,结果的统计性能Geary C比全球莫兰的。只有distance-defined空间距离的方法可以采用从当地Getis-Ord权重矩阵形式G当识别-空间自相关,表现不佳。莫兰我指数是一个全球指数用来衡量空间自相关,和它的计算如下:

在方程(12),Z_我指的是属性的元素之间的偏差及其平均值,W_ij代表了空间重量,n代表元素的总数年代_o表示所有的聚合空间权重。当全球莫兰的我在0和1之间变化,这意味着积极空间相关性;否则,它意味着负空间相关性。

当地莫兰的指数,也称为聚类和异常分析,不同于全球莫兰。全球莫兰我指数仅用于判断全局元素空间相关性,但当地莫兰的我可以用来表示各种元素之间的空间相关性。计算如下:

在方程(13),Y_我和Y_j是空间的观测值的标准化值单位我和单元j分别和W_ij表示空间重量。局部空间自相关分析之间的关系的某些点和周围点集群,包括高集群、高低集群和低聚类。

3所示。结果

3.1。乡村旅游的总体评价“杭嘉湖区域”

图4展示了农村指数的计算浙江省杭嘉湖地区“2010年,2015年和2020年。

图4显示,从2010年到2020年,农村的整体趋势指数的县级单位包括在浙江省的“杭嘉湖区域”是逐年减少,和农村这些县级单位之间的差异也逐渐减弱。田园生活指数的18个县浙江省杭嘉湖地区”是最高Chun -西安县2010 - 2015年期间,分别给了0.811和0.728,。同时,最低的指标都是在杭州城,值分别为0.316和0.211。Jiande最高的指数在2020年,一个值为0.676,最低的是在杭州。这表明,杭州的田园生活指数是最低的。为了深入分析农村的区域差异特征在浙江省杭嘉湖地区”和偏振度在时间序列的进化在这些领域,一个描述性的统计分析了农村特征指数,如图5。

图5表明从2010年到2020年,农村指数的最大值的县级单位浙江省杭嘉湖地区“2020年从2010年的0.812下降到0.678,最小值在2020年从2010年的0.317下降到0.211,平均价值从2010年的0.564下降到2020年的0.478。因此,结果表明,乡村旅游开发对农村经济和社会的影响正在增加。每个县的农村指数的标准差单位也在逐年下降,从2020年的0.15到2010年的0.145,表明农村浙江省杭嘉湖地区的差异减少,不同的是逐年减弱。

为了进一步分析的空间分化和空间格局演化Hangzhou-Jiaxing-Huzhou地区的浙江省农村地区从2010年到2020年,全球莫兰的我在农村进行了统计检验索引Hangzhou-Jiaxing-Huzhou地区早在2010年,2015年和2020年。图6显示结果。

图6指出农村莫兰我索引的范围从0.038到0.052从2010年到2020年,所有这些都是积极的,总体趋势是逐年增加,和显著性水平z测试是P< 0.5。研究结果表明,浙江省农村Hangzhou-Jiaxing-Huzhou面积指数出现在空间聚集分布状态。从2010年到2020年,乡村旅游的不断发展和进步,城市化、县市之间的差异Hangzhou-Jiaxing-Huzhou地区的浙江省逐年减少。

3.2。指标权重神经网络模型的结果

当使用ANN模型评估乡村旅游的空间格局,需要计算和各指标的权重。表1介绍了每个指标的权重。

表1表明员工的重量主要行业(W1)是0.523,乡村旅游的专业人士(W2)是0.462,农村人均旅游收入(W5)是0.464,第一产业的产值(支W7)是0.394,农村信息化水平(W10)是0.467,农村公路里程的人均W(13)是0431,和手机人口率(W15)是0.412。这八个指标的权重值也相对较大,这表明这些八个指标对农村的性质有很大的影响乡村旅游目的地。

3.3。摘要利用仿真结果

完成后的网络训练,建立了评价体系的可行性的乡村旅游在浙江省杭嘉湖地区的模拟,使用MATLAB软件中的神经网络工具箱和10组样本。图7显示网络获得的评价结果之间的比较和实际评估结果。

摘要利用评价模型后乡村旅游目的地验证和测试,数据7和8表明实际值的输出基本上是符合预期的价值,以及它们之间的差异非常小。通过分析摘要评估误差曲线,发现评价误差和实际误差范围在0.08%,这证明了摘要算法具有良好的精度。因此,摘要为乡村旅游目的地实现评价模型可以使乡村旅游空间的一个好的评价。

3.4。分析乡村旅游空间格局演变的影响因素

3.4.1。工业结构调整的因素分析

相关分析是由员工的比例之间的第一产业(W1),乡村旅游从业人员的比例(W2),人均旅游收入在农村地区(W5),第一产业的产值的比例(支W7),在每个县和城市和农村指数。表2列出了结果。

表2和图9表明皮尔逊相关系数的农村人均旅游收入(W5)和农村指数在2010年,2015年和2020年是−0.582−0.654−0.703,分别和显著性水平的测试结果是0.012(小于0.05),0.005(小于0.01),和0.01,分别。此外,乡村旅游专业的皮尔森相关系数比(W2)和农村指数在2010年,2015年和2020年是-0.529,-0.604,和-0.609,分别。0.021测试结果的显著性水平(小于0.05),0.006(小于0.01),和0.003(小于0.01),分别。皮尔逊相关系数的第一产业产值的比例(支W7)和农村指数在2010年,2015年和2020年是0.711,0.681,和0.676,分别和显著性水平的测试结果是0.001(小于0.01),0.003(小于0.01),和0.001(小于0.01),分别。皮尔逊相关系数的主要行业的员工的比例(W1)和农村指数在2010年,2015年和2020年是0.752,0.746,和0.725,和测试结果的意义水平0.002,0.000,和0.000,分别。之间存在显著的正相关员工的比例在农村第一产业(W1)和指数。从2010年到2020年,人均收入(W5)乡村旅游和乡村旅游从业人员的比例(W2)在每个县和城市Jiahu杭州面积也逐年增加。此外,杭州的县镇为核心的增长是最明显的。这充分表明,第一产业的发展不是足够的关注,它已经成为一个重要的因素,限制了农村Hangzhou-Jiaxing-Huzhou地区水平。结果表明,城市化的发展进程可以直接促进了旅游业,但它也将伴随着农村水平的下降。

3.4.2。交通因素的分析

之间的相关分析是由人均农村公路里程(确实)和在每个县和市农村指数。表3显示结果。

表3礼物的皮尔森相关系数评价指标的农村公路里程(确实)和农村人均指数在2010年,2015年和2020年是-0.474,-0.573,和-0.672,分别和显著性水平测试结果是0.048,0.015,和0.013,分别,这都是小于0.05。从2010年到2020年,人均农村公路里程(确实)的所有县市地区呈现逐年增加的趋势,和最明显的增加是在周围县以杭州为中心。这个地区的农村指数显示下降趋势和集聚分布的趋势,形成一个冷点以杭州为中心。这充分表明,道路交通的可访问性可以促进商业和经济活动的发展在某种程度上,以降低农村水平。因此,改善交通因素对农村产生重大影响的水平。

3.4.3。社会环境因素的分析

三个因素之间的相关性分析的手机普及率(W15),农村人均用电量(W12)和农村(W10)和农村信息化水平指数。表4和图10显示结果。

表4和图10表明三个因素之间的皮尔逊相关系数的手机普及率(W15),农村人均消费(W12)和农村信息化水平(W10)和农村指数是-0.470,-0.552,-0.658;-0.498、-0.502、-0.598;,-0.562,-0.688,-0.706。显著性水平的测试结果是0.047,0.013,0.016;0.035、0.039、0.035;分别为0.014、0.003、0.001,小于0.05。农村信息化水平(W10)与农村指数负相关和负相关往往会增加。农村人均消费(W12)与农村指数负相关和负相关往往会增加。移动电话普及率(W15)与农村指数负相关。同时,这种负相关显示了日益明显的趋势。 From 2010 to 2020, the rural informatization level (W10), mobile phone penetration rate (W15), and rural per capita electricity consumption (W12) in all counties and cities are increasing year by year. Conclusion is drawn that a strong modern civilization can strengthen a region's commercial awareness and the concept of market economy. It can also promote the presentation of more capital, technology, and talent advantages, to lower the rural level. Therefore, social and environmental factors will have a significant impact on the rural level.

在乡村旅游的未来发展,更要注意农村生态环境的建设和保护农村文化特征。因此,创建一个升级版的美丽的乡村是一个政策,帮助保护田园风味。的过程中创造一个美丽的乡村的升级版本,政府应该建立一个监管,科学制定农村建设计划,充分展示农村的内涵,实现统一的经济价值,社会价值和生态价值的农村,并使“绿色”为主要基调的美丽的乡村。在美丽的乡村建设的过程中,绿色发展总是主线。转换应逐步实现农业生产模式,农村建设模式,农民的生活方式。与此同时,仍然应该保持基本原理,坚持地方特色的有机结合,生态环境保护要求和实施差异化建设根据当地条件。基于维护景观和田园风光和历史文化特点,每个村庄,的模式”的一个村庄,一个产品,一个行业,一个村子、一个押韵”形成,实现农村的可持续发展。除此之外,在美丽的乡村建设的过程中,政府应该改变其角色,领导者的农村建设的指导和协调,以及政府应不断加强各级社会的宣传和教育,提高认知水平的各级社会价值根据当地农村传统历史、文化积累、资源禀赋、生态环境,通过各种形式和其他特征,利用各种平台和运营商。

4所示。结论

城市化和乡村旅游的快速发展,发生了巨大的变化在传统农村结构和生活方式,其次是逐渐消失的原始独特的乡村自然和农村的重要性。基于农村特点、社会环境等因素发展,人口发展和经济发展为研究指标,评价指标体系的构建乡村旅游目的地。乡村旅游的空间格局是实证研究的例子,农村地区的指数在2010年,2015年,和2020年计算,模型由MATLAB软件模拟和分析。最后,空间自相关方法用于分析乡村旅游空间格局的演化特征。研究结果表明,通过分析摘要的评估误差曲线,评价误差和实际误差范围在0.08%,这证明了摘要算法具有良好的精度。摘要利用评估模型对乡村旅游目的地在这里可以实现乡村旅游空间的好评价。从2010年到2020年,这一比例的员工在第一产业和手机的普及率是决定性因素在产业结构的调整和社会环境,分别。乡村旅游人均收入,第一产业的产值的比例也有一定的对农村发展的影响。提供一定指导意义对于乡村旅游的可持续发展,但缺陷在于,只有每个县和城市在杭州Jiahu区作为研究对象是因为数据的可用性。一些内部县级行政区域间差异没有得到充分的研究。 In the future improvement research of BPNN, the variable coefficient method can also be used to modify the connection weight to accelerate the convergence speed of the network.

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。