| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究工作的背景与意义 | 第14页 |
| 1.2 运力需求预测的国内外研究现状 | 第14-16页 |
| 1.3 研究内容与章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 机场出租车运力需求预测方法综述 | 第18-24页 |
| 2.1 均值模型 | 第18页 |
| 2.2 ARIMA时间序列模型 | 第18-20页 |
| 2.2.1 AR模型 | 第18-19页 |
| 2.2.2 MA模型 | 第19页 |
| 2.2.3 ARMA模型 | 第19页 |
| 2.2.4 ARMA求解的前提 | 第19-20页 |
| 2.2.5 ARIMA模型 | 第20页 |
| 2.3 LSTM模型 | 第20-23页 |
| 2.3.1 传统神经网络模型 | 第20-21页 |
| 2.3.2 RNN模型 | 第21-22页 |
| 2.3.3 LSTM模型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 机场出租车运力需求预测模型结构 | 第24-29页 |
| 3.1 时间序列研究 | 第24-25页 |
| 3.2 数据清洗 | 第25-26页 |
| 3.3 特征工程 | 第26-27页 |
| 3.4 运力需求预测算法的研究与设计 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 首都机场出租车候车区场景分析 | 第29-52页 |
| 4.1 机场出租车候车区客流运输模型 | 第29-31页 |
| 4.2 客流数据统计 | 第31-42页 |
| 4.2.1 客流数据统计中出现的问题 | 第31-34页 |
| 4.2.2 客流数据统计出错的原因 | 第34-38页 |
| 4.2.3 客流数据统计数据处理 | 第38-42页 |
| 4.3 客流数据分析 | 第42-50页 |
| 4.3.1 出租车候车区客流量时段分析 | 第42-45页 |
| 4.3.2 出租车候车区客流量分布 | 第45-46页 |
| 4.3.3 出租车候车区客流序列频谱分析 | 第46页 |
| 4.3.4 旅客到港的出站时间分布 | 第46-48页 |
| 4.3.5 天气数据分析 | 第48-50页 |
| 4.4 数据库建立 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于机场出租车客流特点的趋势性季节性去除算法 | 第52-78页 |
| 5.1 ARIMA模型算法实现 | 第52-57页 |
| 5.1.1 平稳性检验 | 第52页 |
| 5.1.2 时间序列的差分d | 第52-53页 |
| 5.1.3 选择合适的p和q | 第53-55页 |
| 5.1.4 模型检验 | 第55-56页 |
| 5.1.5 ARIMA时间序列模型预测 | 第56-57页 |
| 5.2 LSTM模型实现 | 第57-59页 |
| 5.2.1 模型转换 | 第57-59页 |
| 5.2.2 实验平台 | 第59页 |
| 5.3 TSR算法实现 | 第59-63页 |
| 5.3.1 模型趋势性拟合 | 第59-61页 |
| 5.3.2 模型季节性和节日趋势拟合 | 第61-63页 |
| 5.4 实验结果和分析 | 第63-77页 |
| 5.4.1 数据集描迷 | 第63-65页 |
| 5.4.2 实验结果分析 | 第65-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-81页 |
| 6.1 论文工作总结 | 第78页 |
| 6.2 研究展望 | 第78-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻硕期间的研究成果 | 第85页 |