基于模糊层次分析法-人工神经网络(AHP-ANN)混合模型的旅游培训仿真系统评估研究

来自旅游管理与信息技术领域的研究人员，针对旅游培训中仿真模型评估的复杂性问题，创新性地提出融合模糊层次分析法(Fuzzy AHP)与人工神经网络(ANN)的混合评估框架。该研究通过量化主观判断与非线性建模，显著提升了培训系统仿真效度验证的客观性，为智慧旅游教育提供了可量化的决策支持工具。

　　

这项跨学科研究将模糊数学理论与机器学习技术巧妙结合，为解决旅游培训仿真系统评估中的不确定性难题提供了新思路。研究人员首先构建包含服务场景还原度、学员交互响应性等维度的多级评估指标体系，采用模糊层次分析法(Fuzzy AHP)处理专家评判的模糊性，通过一致性检验(CR<0.1)确保权重分配的合理性。随后将量化指标输入人工神经网络(ANN)进行非线性建模，利用反向传播算法优化网络参数，最终形成具有动态学习能力的评估模型。实验数据显示，该混合模型对虚拟导游(Virtual Guide)系统的评估准确率达到92.3%，较传统单一方法提升约18%。该成果不仅为旅游培训数字化转型提供了关键技术支撑，其方法论框架也可拓展至医疗模拟训练等健康医学领域。