基于LSTM 神经网络的乡村非遗发展状况预测

朱星睿 ZHU Xing-rui；王浩冉 WANG Hao-ran；张思佳 ZHANG Si-jia；田红蕊 TIAN Hong-rui；孙丽欣 SUN Li-xin

（华北理工大学，唐山 063210）

0 引言

非物质文化遗产（以下简称非遗）是指各族人民世代相传，并视为其文化遗产组成部分的各种传统文化表现形式。在乡村振兴大背景下，我国逐步重视乡村地区的文旅融合，使得非遗发展焕发出新的生机。但随着时代的进步，非遗文化逐步淡出人们的视野，工艺失传、缺乏资金、传承人年轻化等问题已成为我国非遗文化发展的巨大阻力[1][2]。

自1972年联合国教科文组织提出《保护世界文化和自然遗产公约》以来，非遗文化的发展问题开始备受国际学者的高度关注和重视，取得了较多研究成果。孙传明和张海清采用fsQCA 方法对影响非遗产品销量的部分因素进行了分析，得出可从提升产品知名度、加强口碑营销与品牌打造等方面促进非遗相关产业的发展[3]。贺剑武和汪凤丹通过马尔可夫模型对金秀瑶族自治县非遗旅游产品市场前景进行了预测，以提高少数民族非物质文化遗产旅游产品开发的效益[4]。谢奇秀等通过调查研究发现部分外国学者运用自适应神经模糊推理系统（ANFIS）的混合智能系统来预测旅游业新推出的服务[5]。

通过查阅文献可以发现，少部分学者对非遗文化发展做出了预测，较少将神经网络算法运用到预测当中。因此，本文将以河北省“乐亭泥人”为例，在分析影响其未来发展状况的基础上，利用LSTM 神经网络模型对该类非遗文化进行预测，以弥补现有研究空缺。同时，为各地乡村政府提供明确的发展建议，以促进乡村非遗文化的传播与继承。

1 因素提取

本文通过问卷调查法并从非遗数字博物馆中搜集数据，以河北省“传统技艺”类非遗—乐亭泥人为例，寻找其关于影响乡村非遗发展主要因素的时间序列的数据。

1.1 问卷发放与数据检验

1.1.1 确定样本容量

据《河北省统计局第七次人口普查公告》（至2021年5 月11 日凌晨公报）显示，河北省11 个市在第七次人口普查中总人口数N 为74610235，取置信度Z 为95%，则可确定z=1.96，样本变异程度P 为0.35，精确度误差e 为0.04。则可计算出近似最佳样本量：

由于总体为有限总体，且为不放回抽样，那么要根据总体大小对总体样本量进行调整，其中N 为河北省人口总数：

因为样本与总体差异量较大，误差可以忽略不计。综上本团队初步拟定问卷发放数量为560 份以满足研究需要。

1.1.2 调查范围与调查对象

本次调查选取了河北省内各县区各年龄段的专家人群进行问卷调查。

1.1.3 调查方式

本次调查采用线上、线下相结合的方法进行问卷调查。线上通过“问卷星”平台向河北省内各县区随机发放问卷，线下采取实地调研的方法进行问卷调查。在问卷收集的过程中，剔除填写时间过短、题中不符合明显要求和存在明显逻辑错误的无效数据。最终我们回收有效问卷501份，有效回收率89.46%。

1.1.4 问卷的信效度检验

①信度检验。根据问卷调查的特性，本次调查主要采用反映内部一致性的指标来测量数据的信度，即Cronbach α 系数，结果如表1 所示。

表1 信度检验

从表1 可知：信度系数值为0.783，大于0.7，说明研究数据信度质量较为理想。

②效度检验。在效度检验部分，我们对问卷中的量表数据进行KMO 和Bartlett 球形检验，所得问卷的KMO 值为0.773＞0.700，表明因子分析有效，同时，Bartlett 球形检验的结果显示，显著性P 值为0.000***（代表1%的显著性水平），在水平上呈现显著性，说明此问卷的效度良好。

1.2 皮尔逊相关指数分析

本文首先使用皮尔逊系数进行相关性分析，检验关注程度、社会价值、政府方面、传统方式传承、现代技术传承、普及程度、社会变革的影响、民间组织的影响在0.05 水平是否对非遗发展前景的影响具有显著相关性。影响因素是经过大量文献的阅读选取以上8 个因素进行初步分析。

经过皮尔逊相关性分析选择“双*”因素作为关键因素：关注程度、政府方面、社会变革、民间组织。因此下文只研究关键因素对非遗未来发展前景的影响。

1.3 多元线性回归分析

通过以上分析结果，继续选用以上因素对其进行多元线性分析。因为自变量以及因变量均为连续变量，所以建立多元线性回归模型。

由于社会变革不在95%置信区间内显著等于0，因此对剩余三个变量再次进行多元线性回归分析，得到多元线性回归方程为：非遗未来发展前景y=0.11516*关注程度+0.08847*政府方面+0.06690*民间组织+3.13056。

2 LSTM 神经网络预测

2.1 LSTM 神经网络的基本原理

LSTM 核心部分为单元状态。核心部分单元状态如同一条传送带，贯穿整个LSTM 系统，仅有一些线性相互作用。

LSTM 的预测过程是利用模型激活函数f（x）及各神经元之间数据的传递来完成的。以三个单元门的LSTM 模型为例，这种结构的单元状态属性是由三个门管控，分别是遗忘门、输入门和输出门[6]。通过这三种门的处理机制实现了单个神经元的内部整理，使得LSTM 模型可以把离得较远的输入数据形成有效数据记忆。

2.2 实验步骤及结果分析

分别对关注程度、政府方面、民间组织三个方面进行LSTM 神经网络预测，得到如下结果。

2.2.1 关注程度方面

图1-图2 为LSTM 神经网络预测模型的预测结果及训练集、测试集的相对误差，说明在误差较小的情况下，得出了较为符合真实值变化趋势的预测结果；图3 得出了具体预测结果，大致呈现线性递增趋势。

图1 模型训练集预测结果

图2 模型测试集预测结果

图3 LSTM 模型预测结果

2.2.2 政府方面

图4-图5 为LSTM 神经网络预测模型的预测结果及训练集、测试集的相对误差，说明在误差较小的情况下，得出了较为符合真实值变化趋势的预测结果；图6 得出具体预测结果，总体呈现线性递增趋势，但中途变化较为曲折。

图4 模型训练集预测结果

图5 模型测试集预测结果

图6 LSTM 模型预测结果

2.2.3 民间组织方面

图7-图8 为LSTM 神经网络预测模型的预测结果及训练集、测试集的相对误差，说明在误差较小的情况下，得出了较为符合真实值变化趋势的预测结果；图9 得出了具体预测结果，大致呈现线性递增趋势。

图7 模型训练集预测结果

图9 LSTM 模型预测结果

2.2.4 乡村非遗预测结果

通过对乡村非遗文化在关注程度、政府方面以及民间组织方面进行预测，得到未来五年的发展趋势如表2 所示。标准化后的未来展望是将三个关键因素标准化后的数值按照年份带到回归方程中计算得到的。

表2 未来五年发展趋势表

根据表2 可以看出：在三个不同的方面，乡村非遗文化的发展都呈现上升趋势。其中，标准化后的未来展望也呈现逐年上升的趋势。基于此，乡村非遗文化在未来一段时间内的发展进程较快，逐渐进入人们的生活。

3 总结及建议

综上所述，本文分别从关注程度、政府方面以及民间组织方面利用LSTM 神经网络对乡村非遗文化发展进行预测，并将其带入相应的回归方程，得到最终的预测结果，即：未来三年乡村非遗文化的发展总体呈上升趋势。基于预测结果，本文为各地乡村政府提供了相应的改进建议，以促进非遗文化的保护与发展。

①提供资金支持：政府可以设立专项资金，用于支持乡村非遗的传承与发展。这些资金可以用于修缮非遗传承场所，培训非遗传承人以及推广非遗文化等方面，帮助乡村非遗项目实现可持续发展。②拓展市场渠道：政府可以推动乡村非遗产品的市场化，促进与旅游业、文创产业等的结合，开拓销售渠道和市场。同时建立在线平台，扩大乡村非遗的知名度和影响力。③引导社会参与：政府应该倡导社会各界参与乡村非遗的保护和传承工作，鼓励企业、非营利组织和个人投入资金和资源，共同推动乡村非遗的发展。通过建立合作机制和伙伴关系，实现政府、社会和乡村非遗项目的多方共赢。