| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题来源及研究的背景和意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 研究的必要性 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-12页 |
| 1.2.1 机场客流量预测研究状况 | 第9-11页 |
| 1.2.2 混沌时间序列预测研究现状 | 第11-12页 |
| 1.2.3 国内外文献综述简析 | 第12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 研究方法及技术路线 | 第13-15页 |
| 1.4.1 研究方法 | 第13-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 第2章 数据采集及混沌时间序列预测理论分析 | 第15-28页 |
| 2.1 数据来源和特性分析 | 第15-17页 |
| 2.2 混沌运动基本特征 | 第17-19页 |
| 2.3 混沌特征量 | 第19-23页 |
| 2.3.1 Lyapunov 指数 | 第20-21页 |
| 2.3.2 关联维数 | 第21-22页 |
| 2.3.3 Kolmogorov 熵 | 第22-23页 |
| 2.4 混沌时间序列预测方法 | 第23-26页 |
| 2.4.1 加权一阶局域预测法 | 第23-24页 |
| 2.4.2 基于最大 Lyapunov 指数预测法 | 第24-25页 |
| 2.4.3 神经网络混沌时间序列预测法 | 第25-26页 |
| 2.5 论文采用的预测方法 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 航站楼离港旅客流量时间序列混沌性判别 | 第28-39页 |
| 3.1 混沌时间序列相空间重构 | 第28-30页 |
| 3.1.1 时间序列相空间重构概述 | 第28-29页 |
| 3.1.2 计算最佳延迟时间 | 第29-30页 |
| 3.1.3 计算最小嵌入维数 | 第30页 |
| 3.2 时间序列混沌性判别 | 第30-33页 |
| 3.2.1 判别方法 | 第31页 |
| 3.2.2 小数据量法算法 | 第31-33页 |
| 3.3 航站楼离港旅客流量时间序列混沌性判断 | 第33-37页 |
| 3.3.1 节假日航站楼离港旅客流量时间序列混沌性判定 | 第33-35页 |
| 3.3.2 非节假日航站楼离港旅客流量时间序列混沌性判定 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 航站楼离港旅客流量时间序列噪声平滑 | 第39-50页 |
| 4.1 混沌信号噪声平滑理论及标准 | 第39-41页 |
| 4.1.1 噪声水平与信噪比 | 第39-40页 |
| 4.1.2 常用去噪效果判断方法 | 第40-41页 |
| 4.2 基于小波理论的噪声平滑方法 | 第41-46页 |
| 4.2.1 小波理论 | 第42-44页 |
| 4.2.2 小波变换噪声平滑方法 | 第44-46页 |
| 4.3 航站楼离港旅客流量时间序列去噪 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 航站楼离港旅客流量预测 | 第50-61页 |
| 5.1 径向基函数神经网络 | 第50-51页 |
| 5.2 预测模型建立 | 第51-53页 |
| 5.3 航站楼离港客流时间序列预测 | 第53-59页 |
| 5.3.1 预测结果与误差分析 | 第53-56页 |
| 5.3.2 航站楼离港旅客流量预测值特性分析 | 第56-58页 |
| 5.3.3 最大可预测时间尺度 | 第58-59页 |
| 5.4 模型应用价值分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的学术论文及其他成果 | 第67-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
