上海世博会影响力的定量评估V4.0.doc

2010年上海世博会影响力的定量评估摘 要影响力是指一个事物依靠自身的价值，对另外事物所产生的影响。定量评估影响力的关键点在于影响力量化、与历届世博会进行纵向比较以及选取有较大共识的量化侧面。 模型 假设世博会参观人数与旅游人数、经济效益（旅游消费等）的增加呈线性关系，与文化交流传播的力度之间也呈线性关系，所以参观世博的人数是世博对旅游业、经济和文化影响的集中体现。我们在模型一中构建了综合影响力与参观人数之间的线性关系模型，并借鉴了RBF网络梯度训练算法模型用来较准确地预测上海世博会的参观人数。由于供网络学习的参观人数样本震荡幅度大，样本品质低，为此我们自主开发Matlab源程序设计RBF网络。经过RBF网络的预测，我们推算2010年上海世博会的参观人数为6776万，比历史上参观人数之最的1970年日本大阪世博会6422万人还要高出300多万，而且这是在全球金融危机尚未全面复苏以及人们对世博会逐渐产生审美疲劳的情况下取得的，因此从这个角度来说，上海世博会的影响力是空前的。为了检验模型的稳健性，用小波分析对预测出来的数据属性进行检测，结论是预测出的数据合理。模型 我们建立了基于层次分析法的判断矩阵模型。通过对历届世博会参展国家和国际机构的数量、展会持续时间、参观人数、国家举办世博会的届数以及投入资金等指标综合研判世博会的影响力。借鉴层次分析法中的评判矩阵来确定各指标的权重。通过矩阵模型判定上海世博会的影响力是历史上影响力最大的1900年巴黎世博会的1.54倍。模型 搭建了上海世博影响力4D辐射模型如下：我们将上海世博会的影响力分割成三个阶段：第一个阶段是正在举办的184天，其影响力是源源不断的；第二阶段是后世博阶段，影响力随着时间的推移在不断的衰减；第三阶段是上海世博的影响力衰减到了一定的阈值，影响力相对较小，同时趋于稳定状态。在这个模型中，我们算出上海世博影响力的初始值为0.0097，用计算机两次模拟世博会量化后的影响力辐射力度数值等高线。我们发现在世博会第一阶段的184天中影响力是狭义的影响，辐射长三角。世博会第二阶段在第一次计算机模拟即世博结束后的第10天，我们发现世博影响力辐射范围较大；第二阶段第二次模拟即世博结束后的第184天，我们发现已经不存在影响力辐射力度数值等高线，定量说明影响力已经很小，其量化数值在计算机上已经产生数值溢出无法显示。关键词：上海世博；影响力量化；判断矩阵；影响力4D辐射模型1 问题的提出2010年上海世博会是首次在中国举办的世界博览会。从1851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面，建立数学模型，利用互联网数据，定量评估2010年上海世博会的影响力。2 问题的分析和模型的准备2.1 问题的求解思路本题属于评价类问题，由于世博会的影响力因素较多，所以开放性也较强。对于本问题，我们认为应该首先选定评估影响力的着眼点，也就是选择好题目中所说的侧面。当确定评估侧面后，就可以构建评估世博影响力的数学模型了。另外，从评价的角度来看，可以将世博的影响分为对世界的影响力，对中国的影响力和对长三角(以上海为中心的经济区域)的影响力。我们认为，虽然三者存在层层包含的关系，但其评价模型还是有区别的，为此我们将影响力分为广义影响力和狭义影响力。广义影响力即是在全世界的影响力，狭隘影响力指对中国或长三角的影响力，由于中国包含长三角，且世博对中国的影响，主要就是对长三角的影响，所以没有特殊说明，狭义影响力指的是对长三角的影响力。图1 上海世博影响力示意图世博会最本质的意义就是推动着人类文明的进步，所以我们认为科学、客观地评价世博会的影响力应该是指对全世界的影响力，即上文所说的广义影响力（若无特殊说明，以下所说的影响力都指广义影响力）。经过上面的分析，我们就对评价的目标有了明确的认识，接下来就可以构建评估世博影响力的数学模型了。由于评价的思路和方法比较多，为了便于展开具体的建模工作，我们先给出整个问题的建模步骤，即：（1）理解世博会的精义，确定影响力的相关因素；（2）搜集相关数据，为模型的建立和求解做好准备；（3）构建若干个评估世博影响力的数学模型；（4）对各模型的评价结果进行比较，从而确定最佳的数学模型；（5）给出广义影响力评价的数学模型。2.2 评估侧面的选择我们首先需要确切理解影响力的含义，影响力指一个事物依靠自身的价值，对另外事物所产生的影响。另外，题目要求的是“上海世博会影响力的定量评估” ，重心是“评估”而不是“上海影响力”在哪些方面。对世博的影响力，可以说其本质就是世博在文化交流和科技成果展示方面对世界各国产生的影响。世博会最大的意义在于通过交流，促进人类文明的进步和发展，所以我们认为世博的影响力就是加强交流，促进世界各国科技和文化的发展。这里，我们很难用数据去直接描述世博在文化和科技方面的影响力，但可以通过其它间接的世博指标去描述这两个方面。可以认为，参加世博的人数越多，对文化交流传播产生的影响力就越大。对于科技方面，科技成果的数量与参加的国家数必定存在相关关系，那么世博在科技方面的影响力就可以用参加的国家数去间接描述。此外，我们还可以用展会持续时间、举办国举办世博会的届数以及投入资金等指标去描述世博影响力，下面的工作自然就是要收集各届世博会的相关指标的数据和信息。3 模型的假设 （1）来自互联网的数据和信息经过比对以后认为均真实可靠；（2）参观人数与因为世博会带来的旅游人数呈线性关系； （3）参观人数与因为世博带来的经济效益（旅游消费等）呈线性关系； （4）参观人数与因为世博牵动的文化传播力度呈线性关系； （5）汇率换算不考虑不同时期平均购买力水平不同； （6）参观世博会的人员流动是无序的，人员流动的方式为紊流； （7）上海世博的影响力辐射是全方位的，包括三维空间和一维时间；影响力是一个比较抽象的概念，我们姑且认为影响力是全方位发散的。（8）上海世博会的组委会不管在哪种媒体上宣传，最终都可以在互联网上找到相关的映射信息；4 符号约定-参观世博会的人数；-世博带来的旅游人数；-世博带来的经济效益；-世博带来的文化交流深浅程度；-弹性系数，表示参观人数变成旅游人数的转化率；-弹性系数，表示参观人数带动经济效益的转化率；-弹性系数，表示参观人数引起的文化传播力度；，-分别表示旅游、经济和文化交流综合影响力的权重； -转化系数，表示参观人数折射到综合影响力的相关程度，这里等于因式；-世博的综合影响力；-RBF网络输入样本；-RBF网络感受野中心即中心点（对应RBF网络就是数据中心）； -RBF网络对学习样本的响应输出；-径向基函数，也即激励函数、传递函数或激活函数；-能量函数，即网络输出的误差平方和；-网络遗忘因子；-网络误差信号；-RBF网络函数；-RBF网络的扩展常数；-神经元之间连接的权值；-网络学习速率；，-网络对应的数据中心、扩展常数和输出权值的梯度；，-网络训练过程中对应的参数调整量；5 模型的建立与求解5.1模型一 综合影响力模型 根据模型假设，我们有下列式子成立：综合影响力有：所以有： 从上面的线性模型，可以得出以下两条结论：（1）世博带来的综合影响力完全整合到参观人数的数量，即综合影响力是参观人数的映射。（2）综合影响力与参观人数之间是线性的关系，参观人数越多说明世博影响力越大。紧接着我们预测2010年上海世博会参观人数将达到的数量。需要预测上海世博会人数的原因有二：（1）关于上海世博会的预计参观人数目前有各种声音，有说世博会预计人数7000万、7250万以及7500万等等，没有统一的数据。（2）从上面的模型我们已经知道，参观人数的多寡是世博会综合影响力的体现，所以需要一个相对准确、科学的参观人数的数据。接下来我们将使用径向基神经网络(RBF)预测2010年上海世博会的参观人数。首先简单地了解下RBF网络的基本原理。人脑中大约有1000多亿个神经元，人脑仍然是人类所知最少的领域之一。人脑结构异常复杂，如同来自2000年7 月Nature 的封面网络结构图那样高度复杂，如图2所示。正因为人脑结构错综复杂才使得从人脑科学中抽象出来的人工神经网络具有信息并行处理的能力、自学习能力和推理能力。图2 脑网络结构拓扑示意图RBF神经网络是模拟中枢神经元的感受视野控制视神经元反应的视网膜或视野区域的机理。基本特性是：（1）距离感受野中心越近，视神经元越兴奋；距离感受野中心越远，视神经元响应就越消极；（2）视神经元的激活区域呈现径向对称。将上述生物视野感受原理映射到RBF网络，可以用以下函数对隐含层神经元进行建模：隐含层神经元径向基函数通常选用Gaussian函数，则上述神经元响应模型转化成：式中称为宽度（也叫扩展常数），它决定了径向基函数围绕中心点的宽度。输入和输出神经元函数一般采用线性激励函数。RBF网络具有全局逼近和超速学习（因为径向基函数往往具有快速衰减性和网络结构有3个参数可以调节）的优点，且学习方式相比BP网络而言更丰富。常见有三种学习方式：聚类方法：首选采用K-Means聚类算法，即先用K-Means法确定网络的数据中心，并根据各数据中心之间的距离确定隐含层神经元函数的宽度，然后用负梯度训练法求出各层神经元之间的连接权值。正交最小二乘（OLS）训练方法：这种方法相对复杂一些，关键技术在于依据能量贡献的原理，使各隐含层神经元的径向基函数之间趋向正交性（正交的意思就是没有相互交叉，好比平面向量无法表征立体向量），从而使径向基函数之间没有信息冗余和性能相互嵌套。梯度训练方法：文中使用的RBF网络就是这种模型。根据网络的误差平方和（能量函数），使用负梯度训练原理自行调节各神经元的数据中心、宽度以及各层神经元之间的权值。这种训练方法本质上与BP算法没有区别。输出层隐层输入层xnxn-1xn-2x3x2x1图3 神经网络结构这里给出一种带遗忘因子单输出的RBF网络梯度训练算法模型，此时神经网络学习的目标函数为1误差信号定义为由于神经网络函数对数据中心、扩展常数和输出权值的梯度分别为考虑到所有训练样本和遗忘因子的影响，、和的调节量为5.1.1 模型一求解利用上面RBF网络梯度模型，我们自主用Matlab语言设计出RBF网络。以历史每日参观人数为训练样本来预测未来每日参观人数直至10月31日闭馆。图4 训练实际样本与网络输出值进行比对以2010/5/1至2010/8/19的参观人数为训练样本，以2010/8/20至2010/9/9为测试样本，网络3层拓扑结构，隐含层神经元数量为40个，目标误差为2.5（考虑到训练样本的品质比较差因为震荡幅度大且数据量较多，故将目标误差设置大一些），最大学习次数3000；为了使网络具有更大的泛化能力，给训练样本添加了噪声；为了避免程序冗长，训练样本的数据从D盘用load( )命令读取。文中程序没有使用Matlab神经网络工具箱，而是采用源程序进行了编写。预测出来的参观人数数据以txt格式程序设置自动存储在D盘（程序见附录D）。RBF以及任何一种类型的神经网络都有两大特性：（1）任何数据只要满足维度要求都能被神经网络训练，但是神经网络应用有一个前提就是：训练的对象具有连续的惯性。（2）神经网络从理论上将只要不断增加神经元的数量就能无穷逼近训练样本；当样本波动频率比较大的时候，神经网络只能拟合样本的轮廓或者讲是趋势，细节无法拟合，而细节往往又和噪声联系在一起的。所以图4训练实际样本与网络输出值进行比对的结果是理想的。图5 网络训练误差曲线表1 预计至世博会闭馆时每日参观人数日期预计人数日期预计人数日期预计人数9月14日3721879月30日33507710月16日3289239月15日36855310月1日33414410月17日3288589月16日36506610月2日33332610月18日3288059月17日36174110月3日33261110月19日3287639月18日35859010月4日33199010月20日3287299月19日35562210月5日33145210月21日3287019月20日35284410月6日33099010月22日3286799月21日35025910月7日33059410月23日3286629月22日34786710月8日33025710月24日3286489月23日34566610月9日32997110月25日3286379月24日34365110月10日32972910月26日3286289月25日34181810月11日32952610月27日3286229月26日34015910月12日32935710月28日3286179月27日33866510月13日32921510月29日3286139月28日33732710月14日32909810月30日3286109月29日33613410月15日32900210月31日328607所以，经过RBF的预测，我们推算2010年上海世博会的参观人数为6776万，比历史上参观人数之最的1970年日本大阪世博会6422万人还要高出300多万，而且这是在全球金融危机尚未全面复苏以及人们对世博会逐渐产生审美疲劳的情况下取得的，因此从这个角度来说，上海世博会的影响力是空前的。5.2 模型二 基于层次分析法的判断矩阵模型5.2.1 指标矩阵的建立为了评估上海世博的影响力，我们搜集了历届世博的一些数据（数据见附录A），包括参展国家数、持续时间、参观人数、国家举办届数、投入资金，其中有些世博的数据不完整，为了达到统一，将数据不完整的世博会去掉，保留所有指标都完整的世博信息，如表2所示。表2 各界世博的相关参数年份举办国城市参展国家数量持续时间(天）参观人数（万人）举办国举办届数投入资金(万美元)1851英国伦敦2519060411681855法国巴黎2518051612271873奥地利维也纳3518072519561876美国费城3518080018001878法国巴黎361701616311051883阿姆斯特丹2810088011701889法国巴黎35182251248301893美国芝加哥191832700227251900法国巴黎582105000518751904美国圣路易斯601851969331501915美国旧金山322881883425901933美国芝加哥21170225764291937法国巴黎4493870714011939美国纽约64340450071551993韩国大田14193140011412000德国汉诺威1551531800110202010中国上海1891846776142现在我们来分析各参数对世博影响力的贡献，这里先定向的判断是正相关性还是反相关性。如果是正相关性，则参数值越大，世博影响力则越大；反相关性则刚好相反，参数值越大，世博影响力则越小。根据经济学中的一些理论，不难发现各因素对世博的相关性，如表3所示。表3 各指标相关性编号指标相关性备注1参展国家数量正2持续时间(天）正3参观人数正4举办国举办届数负届数增多后，吸引力反而减弱，从而影响力会减小5投入资金正为了便于数据的处理，我们对举办国举办届数进行处理，以使得这些数据与影响力成正相关关系，处理方式为：届数效应=这样就可以用届数效应来代替举办国举办届数了，而此时届数效应与影响力成正相关关系。这样替换后，对数据进行归一化处理，则可以得到如表4所示的结果。表4 各举办城市届数效应年份举办国城市参展国家数量持续时间（天）参观人数（万人）届数效应投入资金（万美元）1851英国伦敦0.024950.06166830.01640950.096910.0094471855法国巴黎0.024950.05842260.01401870.096910.0127641873奥地利维也纳0.034930.05842260.01969680.096910.0537561876美国费城0.034930.05842260.02173440.096910.0449841878法国巴黎0.035930.05517690.04390350.03230.0621351883荷兰阿姆斯特丹0.027940.0324570.02390780.096910.0095591889法国巴黎0.034930.05907170.0682460.024230.0466711893美国芝加哥0.018960.05939630.07335360.048450.1532281900法国巴黎0.057880.06815970.135840.019380.1054321904美国圣路易斯0.059880.06004540.05349380.03230.1771261915美国旧金山0.031940.09347610.05115740.024230.1456371933美国芝加哥0.020960.05517690.06131820.016150.0241231937法国巴黎0.043910.0301850.02363620.013810.0787791939美国纽约0.063870.11035380.1222560.013840.0087161993韩国大田0.140720.0301850.03803520.096910.0079282000德国汉诺威0.154690.04965920.04890240.096910.0573552010中国上海0.188620.05972090.18409040.096910.0023625.2.2 指标权重的建立下面我们借鉴层次分析法中的评判矩阵来确定各指标的权重，层次结构图如图6所示：世博影响力参加国家数持续时间参观人数届数效应投入资金图6 世博影响力层次结构图然后，根据层次分析法的理论，构建了如表5所示的指标比较矩阵。表5 指标比较矩阵名称参展国家数持续时间参观人数届数效应投入资金参展国家数15/35/455/2持续时间3/513/433/2参观人数4/54/3142届数效应1/51/31/411/2投入资金2/52/31/221用Matlab可以算出该矩阵对应的最大特征值和相应的特征向量： 对特征向量W进行归一化处理，可以得到，各指标的归一化权向量为：如果令指标归一化矩阵为A， 那么各届世博的影响力(Influence)则为：那么，则可以得到各界世博的影响力，如表6所示，各界世博影响力的分布如图7所示。表6 历届世博会影响力排名年份举办国城市影响力1851英国伦敦0.0327463221855法国巴黎0.0319019851873奥地利维也纳0.0422084151876美国费城0.0415821851878法国巴黎0.0451571411883荷兰阿姆斯特丹0.0299166271889法国巴黎0.0494946261893美国芝加哥0.0614215391900法国巴黎0.084500381904美国圣路易斯0.0720044321915美国旧金山0.0640159061933美国芝加哥0.0386660561937法国巴黎0.0384041291939美国纽约0.0780481451993韩国大田0.0706035862000德国汉诺威0.0886438912010中国上海0.130684637从表6可以看出，上海世博在历届世博会中的影响力是最大的。图7 各界世博影响力直方图5.3 模型三 上海世博影响力4D辐射模型上海世博会的影响力可以分割成三个阶段：第一个阶段是正在举办的184天，其影响力是源源不断的；第二阶段是后世博阶段，影响力随着时间的推移在不断的衰减；第三阶段是上海世博的影响力衰减到了一定的阈值，影响力相对较小，同时趋于稳定状态。5.3.1符号约定我们以上海世博园为中心（假设为坐标原点），将其影响力看成在4D空间上源源不断地发散（一维时间也算在内），故做以下约定：-上海世博影响力4D辐射的超几何曲面；-超几何曲面围成的区域；-表示时刻全球位置感受到的上海世博影响力；-世博影响力在辐射过程中方向的随机性转移；-衰减因子，表示世博影响力在全球传播过程中会不断地衰减，这里；-全球位置点时刻单位空间单位时间所传播的上海世博会影响力；-在方向上影响力辐射力度；-上海世博组委会的宣传力度；-每天参观世博会的人数；-全球总人口数量；5.3.2 模型三的建立在这里不能把“世博会”理解成抽象的概念，而是理解成“物质”（从哲学的角度来说，凡是客观存在的东西都是物质，影响力显然是一种物质）。既然是物质，所以可以把影响力看成是有质量的东西，这也是将抽象、定性的影响力进行量化的精义所在。由多重积分的意义知道，通过超几何曲面从时间到范围内进入的上海世博影响力为：其中，为的外法向余弦。由高斯定理可知：由于上海世博影响力在传播过程中会不断衰减，在到时间内区域的影响力减少量为：由于参观世博的人群来自世界各地，人流是不断流动的；在流动过程中会将影响力从一个地方带到另一个地方，因此从到时间内带出的影响力为：同理，由高斯定理知：在封闭空间内从时刻到时刻传播出去的世博影响力为：从另一个角度看，世博在不同的时间（时刻）影响力大小显然是不一样的，是有区别的，则从时刻到时刻世博影响力在内累计增加为：在此，我们类比物理学中的质量守恒定理，意思就是将影响力经过量化以后映射成具有数值属性的质量来看待，故有：所以，上海世博影响力4D辐射模型为：初始条件为：5.3.3 模型的分析对上式左右两边同时进行Fourier变换得：初始条件相应变为：将上式合并同类项得：解此线性微分方程得：式中，为符合求解条件的常数。再对上式左右两边同时进行Fourier逆变换得：对于上述表达式如果单纯用人工求解的方式进行求解是很难精确解出其解析式的，如果用MATLAB符号工具箱命令Int把多重积分化累次积分的方法进行求解，或用三重积分数值求解命令triplequad并结合一重积分求解命令quadl来求解（符号分别用极小和极大的实数来代替），MATLAB 7.0.0 Version（更高的版本可能也不行）不能求出的值，表达式还需要进行适当的简化。实际上，表达式过于复杂不仅给计算机的数值求解带来沉重负担，同时，影响力模型也不需要这样面面俱到。数学的精义之一在于抽象，抓住最本质的东西即可。5.3.4模型的分类求解我们可以采用分类讨论以及合理简化模型的两结合的方法来分解以上的模型。我们知道，2010年上海世博会其实分成三个阶段，第一个阶段影响力具有连续性特征；第二阶段影响力具有衰减性特征；第三阶段影响力势小并具有稳定性的特征。根据这三个阶段将模型进行分割。如下对积分表达式进行适当简化并区分情况讨论2： （1）上海世博第二阶段影响力4D 辐射模型 我们这里首先讨论上海世博会的第二阶段（第二阶段是指世博结束后的一段时间）影响力，只有理解了第二阶段才能求解世博会影响力的第一阶段（因为第一阶段需要用到在时间轴上的积分）。假设上海世博馆的坐标为（0,0,0），瞬时影响力为（定性指标进行量化），该模型在三度空间上进行传播。该数学模型的解析解是：（2）上海世博第一阶段影响力4D 辐射模型在上海世博举办的第一阶段的184天里，其影响力是连续的，是源源不断的，则积累起来的的影响力相当于单位时间内连续释放的影响力的积分，实际上相当于对上式进行时间区间上的积分（这就是为什么模型先求解世博影响力的第二阶段的原因）：其中，和分别表示影响力的辐射力度以及世博组委会的宣传力度。（3）上海世博会影响力之最终稳态模型 当世博效应经过长时间的洗刷之后，世博会的影响力基本处于稳态阶段：5.3.5 影响力辐射模型定量评估上海世博会现在需要做的就是将所有上海世博的定性影响力辐射模型的相关指标进行量化。量化过程如下：定义影响力辐射力度 假设世博会影响力衰减因子 考虑到一个人参观世博会对其一点影响都没有几乎是小概率事件，由此依据小概率事件的原理，影响力随机转移因子：根据我们已经做的假设，世博组委会的宣传信息都会折射在因特网上。在谷歌和百度上检索有关上海世博的相关词条，结果如表7所示：表7 检索结果搜索的词条百度搜索条数谷歌搜索条数上海世博760700世博上海760694上海 世博760701Shanghai World Expo760579SHANGHAI Expo760549shang hai shi bo hui760340Shanghai world expo760578我们取最大值。所以上海世博组委会的宣传力度，单位“亿条”。表8 影响“世博会影响力”各主要因子量化结果序号量化名称符号大小取负对数1影响力辐射力度0.000054409.8192影响力衰减因子0.0000054412.1213影响力随机牵移因子0.0000000217.7274世博组委会宣传力度0.0000007614.0899注* 由于数据较小，取负自然对数进行计算。 根据上面的定义，很容易求出上海世博初始影响力为0.0097。 图8 10天后的世博第一和第二阶段影响力辐射范围图9 184天后的世博第一和第二阶段影响力辐射范围有了上面的各项参数以及一个模型的三种阶段的解析式可以定量精确地评价在任意阶段任意时间内的上海世博会影响力大小。下面用计算机两次模拟世博会前两个阶段（第一和第二阶段）量化后的影响力辐射力度数值等高线。我们发现在世博会第一阶段的184天中影响力是狭义的影响，辐射长三角。世博会第二阶段在第一次计算机模拟即世博结束后的第10天，我们发现世博影响力辐射范围较大；第二阶段第二次模拟即世博结束后的第184天，我们发现已经不存在影响力辐射力度数值等高线，定量说明影响力已经很小，其量化数值在计算机上已经产生数值溢出无法显示，因为我们使用的Matlab在long型输出条件下可以精确到小数点15位，但是此时计算机显示的计算值为0，可见影响力在后世博时代是在不断地衰退的（程序见附录E）。6 模型的检验为了检验模型一的预测结果是否准确，我们采用小波分解对预测得到的数据属性进行分析（程序见附录F）。小波(Wavelet)是由英文单词“Wave”和“小”的后缀“-let”构成，表示的是一种长度有限，平均值为0的波形。小波函数有两大特性：震荡性和衰减性。基于小波变换的小波分析可以将信号（数据）分解成高频（细节）和低频（轮廓或趋势）两大部分构成，使一些不容易查看的数据特征能表现出来。图10 Wavelet对每日参观人数进行高低频逐级分解由图以及之前的所计算出来的相关结论可以看出模型一是很合理的:（1）预测出上海世博会相对准确的参观人数6776万与官方发布的7000万参观人数比较接近；（2）由图10中的图（a）和图（b）可以看出，经过轮廓抽取的后期参观人数趋势走向平稳，符合常理逻辑。（3）虽然从图（a）和图（b）可以看出后期参观人数是平稳的（这与RBF预测出来的数据属性有关），但是从轮廓图即图（c）和图（d）可以看出，后期每日平均参观人数是有稳步上升趋势的，这与日前专家发布的“不少潜在参观者手中握有世博门票”的信息不谋而合，由此进一步佐证了模型的正确性。模型二是基于层次分析法的研判矩阵，模型中没有灵敏的参数且模型原理通顺，不需要检验。模型三很复杂，也很体面。为了检验模型正确与否，使用计算机两次模拟世博会量化后的影响力辐射力度数值等高线。计算机模拟的结果表明与之前世博会的影响力趋势相似，只是影响力数值大小有异。7 模型评价与推广模型一其实是由加权线性模型和RBF网络模型搭配而成。线性模型浅显易懂但是逻辑性好不逊色于非线性模型。RBF网络训练速度快且拟合精度更高，程序完全自主开发。并且预测结果用小波分析进行检测，有一定的创新。模型二指标全面，判断很有参考价值，而且模型也不复杂。模型三比较复杂，模型三的求解用计算机模拟，也有一定的创新点。文中“世博会科技成果数量”没有当做一个独立的指标整合到评价模型中，因为数据几乎难以获取全面。模型三其实可以广泛应用在谣言传播、电磁波辐射、农村堆肥热气和水分的散失等方面。参考文献1 葛哲学，孙志强编著.神经网络理论与Matlab R2007实现M.北京：电子工业出版社，2007.92 宋新山，邓伟，张琳著.MATLAB在环境科学中的应用M.北京：化学工业出版社，2008.2附录A 历届世博会主要指标值年份举办国城市参展国家数量持续时间(天）参观人数（万人）举办国举办届数投入资金(万美元)1851英国伦敦2519060411681855法国巴黎2518051612271862英国伦敦18060922001867法国巴黎21092329501873奥地利维也纳3518072519561876美国费城3518080018001878法国巴黎361701616311051880澳大利亚墨尔本210120011601883荷兰阿姆斯特丹2810088011701889法国巴黎35182251248301893美国芝加哥191832700227251900法国巴黎582105000518751904美国圣路易斯601851969331501908英国伦敦220120022601915美国旧金山322881883425901925法国巴黎19515006300万法郎1926美国费城183360051933美国芝加哥21170225764291935比利时布鲁塞尔150200011981937法国巴黎4493870714011939美国纽约64340450071551958比利时布鲁塞尔186415022501比利时法郎1962美国西雅图1849648471964美国纽约360516791967加拿大蒙特利尔6218550311432加元1968美国圣安东尼奥约180640101561970日本大坂18364221301971匈牙利布达佩斯419011974美国斯波坎1844801178.41975日本冲绳371833492900亿日元1982美国诺克斯维尔152111312421984美国新奥尔良184734133501985日本筑波184203331001986加拿大温哥华16522111312万加元1988澳洲布里斯澳元1992意大利热那亚9280011992西班牙塞维亚176410011993韩国大田14193140011411998葡萄牙里斯本132100012000德国汉诺威1551531800110202005日本爱知121185220042008西班牙萨拉戈萨9380022010中国上海1891846776142附录B 每日入园参观人数世博5月份参观人数日期每天参观人数日期每天参观人数日期每天参观人数5月1日2069005月12日1630005月23日3117005月2日2200005月13日1804005月24日3145005月3日1317005月14日1801005月25日3458005月4日1486005月15日2155005月26日3535005月5日889005月16日2403005月27日3770005月6日1202005月17日3353005月28日3820005月7日1477005月18日2415005月29日5050005月8日2098005月19日2364005月30日3683005月9日1440005月20日2619005月31日3275005月10日1630005月21日3285005月11日1440005月22日361200世博6月份参观人数日期每天参观人数日期每天参观人数日期每天参观人数6月1日3111006月11日4030006月21日4151006月2日3696006月12日4246006月22日4098006月3日4175006月13日4173006月23日4041006月4日4370006月14日5032006月24日4471006月5日5249006月15日5520006月25日4809006月6日4174006月16日3790006月26日5535006月7日4879006月17日3941006月27日4868006月8日5109006月18日4144006月28日4583006月9日4134006月19日4298006月29日4526006月10日3913006月20日3612006月30日427900世博7月份参观人数日期每天参观人数日期每天参观人数日期每天参观人数7月1日3698007月12日4447007月23日4572007月2日3880007月13日4761007月24日5120007月3日3976007月14日4773007月25日4531007月4日3588007月15日4812007月26日4638007月5日4285007月16日4718007月27日4754007月6日4571007月17日5572007月28日4538007月7日4034007月18日4740007月29日4201007月8日4115007月19日4484007月30日4105007月9日4305007月20日4374007月31日4409007月10日4936007月21日4353007月11日4338007月22日425800世博8月份参观人数日期每天参观人数日期每天参观人数日期每天参观人数8月1日3160008月12日3697008月23日4363008月2日3367008月13日3832008月24日4178008月3日3360008月14日4258008月25日4324008月4日3357008月15日3345008月26日4926008月5日3521008月16日4271008月27日5078008月6日3881008月17日3976008月28日5275008月7日4424008月18日4153008月29日3972008月8日3907008月19日4141008月30日2708008月9日3984008月20日4554008月31日2007008月10日4227008月21日5683008月11日3738008月22日488600世博9月份参观人数日期每天参观人数日期每天参观人数日期每天参观人数9月1日1817009月4日3693009月7日2371009月2日2265009月5日2908009月8日2501009月3日2625009月6日2305009月9日249000附录C 各种重要数据来源网站/roll/201007/14/10000307_102828478_2.htm2010上海世博会中期网络数据总结发布） http:/www.expo2005.or.jp/cn/report/data.html(2005年日本国际博览会） /EasyItems/SHTongJi.aspx （上海统计）/2005shtj/sjfb/ydsj.htm（月度数据）/yqkl/indexn.htm（园区客流统计）/2004shtj/tjnj/tjnj2010.htm（2010上海统计年鉴）/web.do?method=showMedia&mediaid=7351（上海市统计局）/2008shtj/index.asp（上海统计）/read/index49.html（上海世博会互联网数据排行分布）/view/aed44ea1284ac850ad024216.html（上海世博会对中国影响）/view/b6678b5c3b3567ec102d8a28.html（参观人数统计）/forum.php?mod=forumdisplay&fid=92http:/