首页--交通运输论文--铁路运输论文--铁路运输管理工程论文--货物运输论文--货物运输组织与管理论文

铁路货运量预测及影响因素研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
序言第9-13页
1 绪论第13-21页
    1.1 研究背景及研究意义第13-15页
        1.1.1 研究背景第13-14页
        1.1.2 研究意义第14-15页
    1.2 研究内容、研究方法和技术路线第15-19页
        1.2.1 研究内容第15-17页
        1.2.2 研究方法第17-18页
        1.2.3 技术路线第18-19页
    1.3 本文创新点第19-21页
2 文献综述第21-29页
    2.1 铁路货运量的影响因素第21-22页
    2.2 铁路货运量影响机理分析第22-23页
    2.3 铁路货运量的预测方法第23-27页
        2.3.1 时间序列预测方法第23-24页
        2.3.2 灰色预测方法第24-25页
        2.3.3 神经网络预测方法第25页
        2.3.4 支持向量机方法第25-26页
        2.3.5 其他预测方法第26-27页
        2.3.6 预测方法评述第27页
    2.4 文献评述第27-29页
3 铁路货运量的时间序列模型预测第29-40页
    3.1 时间序列预测模型介绍第29-31页
        3.1.1 指数平滑模型第30页
        3.1.2 自回归积分滑动平均模型第30-31页
        3.1.3 多项式时间序列预测模型第31页
    3.2 时间序列预测模型结果第31-38页
        3.2.1 指数平滑法第31-33页
        3.2.2 ARIMA模型第33-34页
        3.2.3 多项式时间序列预测模型第34-38页
    3.3 时间序列预测模型筛选第38-40页
4 铁路货运量变化影响机理分析第40-49页
    4.1 宏观环境指标第40-42页
    4.2 铁路大宗货物产品指标第42-45页
    4.3 其他运输方式指标第45-47页
    4.4 铁路供给相关指标第47页
    4.5 本章小结第47-49页
5 铁路货运量影响因素的灰色关联度分析第49-55页
    5.1 灰色关联分析方法第49-50页
    5.2 铁路货运量的灰色关联分析第50-55页
6 铁路货运量的多元线性回归模型和神经网络模型第55-68页
    6.1 多元线性回归模型第55-61页
        6.1.1 多元线性回归模型介绍第55-56页
        6.1.2 多元线性回归模型结果第56-60页
        6.1.3 多元线性回归模型统计上显著的影响因素分析第60-61页
    6.2 人工神经网络模型第61-65页
        6.2.1 人工神经网络模型介绍第61-63页
        6.2.2 BP神经网络模型结果第63-65页
        6.2.3 人工神经网络模型的影响因素第65页
    6.3 铁路货运量预测模型比较第65-68页
7 结论与建议第68-71页
    7.1 结论第68页
    7.2 不足与今后研究方向第68-69页
    7.3 政策建议第69-71页
参考文献第71-76页
作者简历第76-78页
学位论文数据集第78页

论文共78页,点击 下载论文
上一篇:基于GPS/BDS组合的车载动态定位算法与实现
下一篇:高频GNSS变形序列的谱分析方法