首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--运营技术论文--旅客运输论文

基于梯度上升决策回归树的网约出租车需求动态预测

摘要第4-5页
ABSTRACT第5页
1 绪论第8-17页
    1.1 课题来源第8页
    1.2 研究背景及意义第8-9页
    1.3 国内外研究概况第9-11页
    1.4 机器学习回归预测方法的基本概念第11-15页
    1.5 研究内容与论文结构第15-17页
2 网约出租车需求动态预测问题和影响因素分析第17-23页
    2.1 问题描述第17-19页
    2.2 城市居民使用网约出租车出行的需求影响因素分析第19-21页
    2.3 预测流程与评价指标第21-22页
    2.4 本章小结第22-23页
3 基于GBRT的网约出租车需求预测方法第23-32页
    3.1 学习目标第23-24页
    3.2 弱决策回归树的构建第24-29页
    3.3 强决策回归树的集成第29-30页
    3.4 本章小结第30-32页
4 基于XGBOOST框架的GBRT的网约出租车需求预测方法第32-39页
    4.1 学习目标近似的GBRT算法第32-34页
    4.2 XGBOOST框架中弱决策回归树的构建第34-37页
    4.3 XGBOOST框架中强决策回归树集成第37-38页
    4.4 本章小结第38-39页
5 基于运营数据分析的特征提取和样本集构建第39-52页
    5.1 数据分析第39-41页
    5.2 特征分析与提取第41-49页
    5.3 样本集建立第49-51页
    5.4 本章小结第51-52页
6 数据实验与结果分析第52-61页
    6.1 数据预处理第52-53页
    6.2 模型训练第53-57页
    6.3 预测结果第57-61页
7 总结与展望第61-63页
致谢第63-64页
参考文献第64-69页
附录1 攻读学位期间参加的科研项目第69页

论文共69页,点击 下载论文
上一篇:石墨烯量子点在硅基杂化太阳能电池中的应用研究
下一篇:储能协同蓄热式电锅炉的优化运行研究