| 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 |