Resumen

La exploración del efecto de evaluación del patrón espacial del turismo rural basado en el modelo de red neuronal ponderada por múltiples factores en la era de los grandes datos tiene como objetivo optimizar la disposición espacial de las atracciones turísticas rurales. Hay muchos problemas, como la selección inadecuada del sitio, la dispersión de la disposición y el desorden de la competencia del mercado del turismo rural, causados por la insuficiente consideración de la planificación y el mercado turístico. Por lo tanto, el modelo multifactorial después de la ponderación simple se combina con la red neuronal para construir un modelo de red neuronal de convolución espacio-temporal basado en la ponderación multifactorial para resolver estos problemas. Además, se realiza un experimento de simulación sobre el patrón espacial del turismo rural en la Región Autónoma de Ningxia Hui para verificar el rendimiento de la evaluación del modelo construido. Los resultados muestran que la precisión de la predicción del modelo es del 97,69%, que es al menos un 2,13% superior a la del algoritmo de aprendizaje profundo utilizado por otros estudiosos. A través de la evaluación y el análisis del patrón espacial de las atracciones turísticas rurales, la distribución espacial de los lugares escénicos en Ningxia tiene una fuerte estabilidad desde 2009 hasta 2019. Mientras tanto, el número de lugares escénicos en las siete placas ha aumentado y el coste del tiempo de accesibilidad a los lugares escénicos ha cambiado significativamente. Además, la tasa de cambio del ciclo isócrono de una hora alcanza el 41,67%. Esto indica que el modelo de red neuronal tiene una alta precisión de predicción en la evaluación del patrón espacial de las atracciones turísticas rurales, lo que puede proporcionar una referencia experimental para el desarrollo digital del patrón espacial del turismo rural.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:patrón espacial, modelo de red neuronal, atracciones turísticas rurales, turismo rural, lugar escénico, algoritmo de aprendizaje profundo, selección de sitios inadecuados, consideración de la planificación, trastornos de la competencia del mercado, accesibilidad del lugar escénico
• Keywords:spatial pattern, neural network model, rural tourist attractions, rural tourism, scenic spot, deep learning algorithm, improper site selection, consideration of planning, market competition disorders, scenic spot accessibility